Τοπικά LLMs στην πράξη: Τι παρουσιάστηκε στην τεχνική συνάντηση της ΕΕΛΛΑΚ στο ΕΜΠ
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για το Ανοιχτό Λογισμικό

Τα κύρια συμπεράσματα και οι τεχνολογικές εξελίξεις από την Τεχνική Συνάντηση της ΕΕΛΛΑΚ στο ΕΜΠ.

Στις 9 Οκτωβρίου 2026, από τις 10:00 έως τις 13:00, ο Οργανισμός Ανοιχτών Τεχνολογιών (ΕΕΛΛΑΚ) φιλοξένησε στην Αίθουσα Πολυμέσων της Βιβλιοθήκης του ΕΜΠ, στην Πολυτεχνειούπολη Ζωγράφου, μια εσωτερική τεχνική συνάντηση εργασίας για τα ανοιχτά γλωσσικά μοντέλα που εγκαθίστανται και λειτουργούν σε τοπική υποδομή. Η συνάντηση είχε ως στόχο να παρουσιαστούν υλοποιήσεις που βρίσκονται σε εξέλιξη, να ανταλλαγούν εμπειρίες και να εξεταστούν τρόποι συνεργασίας σε τοπικά LLMs, υποδομές RAG, ελληνικά σώματα κειμένων και εφαρμογές για το δημόσιο τομέα. Η ΕΕΛΛΑΚ έδωσε ιδιαίτερη έμφαση στον έλεγχο των δεδομένων, στη διαφάνεια και στην αποφυγή εξάρτησης από κλειστές υποδομές.

Γιατί τοπικά μοντέλα

Όπως υπογράμμισε στην εισαγωγική του τοποθέτηση ο Παναγιώτης Σκαρβέλης, η μετάβαση σε τοπικές υποδομές ΤΝ (Local LLMs) δεν αποτελεί θεωρητικό σενάριο αλλά επιτακτική ανάγκη Οι βασικοί άξονες εστιάζουν στην ψηφιακή κυριαρχία, την προστασία προσωπικών και ευαίσθητων δεδομένων από τη διαρροή σε κλειστά cloud APIs εξωτερικών παρόχων, καθώς και στην εξάλειψη του κινδύνου αιφνίδιας διακοπής πρόσβασης ή εξάρτησης (vendor lock-in) .

Παράλληλα, αναδείχθηκε το οικονομικό ρίσκο της τιμολόγησης ανά token (pay-per-use). Μεγάλες εταιρείες SaaS (όπως η Anthropic και το GitHub) μεταβαίνουν από σταθερές συνδρομές σε χρέωση βάσει κατανάλωσης, γεγονός που —σύμφωνα με ανάλυση της BCG— εγκυμονεί κινδύνους εκτόξευσης των προϋπολογισμών κατά 500% έως 1000% λόγω του φαινομένου «tokenmaxxing» και του παραδόξου του Jevons. Αντίθετα, η τοπική φιλοξενία επιφέρει μόνο αρχικό κόστος εξοπλισμού, προσφέροντας πλήρη έλεγχο και προβλεψιμότητα.

GlossAPI & Greek Apertus: Ανοιχτά Δεδομένα για την Ελληνική Γλώσσα

Στην συνέχεια, ο Ο Φοίβος Καρούνος-Ζαμπαρλούκος παρουσίασε τη δράση GlossAPI, η οποία στοχεύει στη δημιουργία ανοιχτών συνόλων δεδομένων ως θεμέλιο για την ελληνική ΤΝ. Τα ελληνικά κατατάσσονται στις γλώσσες μέσου πόρου (medium resource language, ~1% του διαδικτύου). Βάσει του κανόνα Chinchilla scaling (~20 tokens ανά παράμετρο), η εκπαίδευση ενός λειτουργικού μοντέλου 7B–8B παραμέτρων απαιτεί ελάχιστο όγκο ~1 TB κειμένου.

Για την αντιμετώπιση αυτής της πρόκλησης, το GlossAPI ανέπτυξε μια αυτοματοποιημένη ροή εργασίας (workflow) που κατεβάζει αρχεία PDF, εξάγει το κείμενο, αξιολογεί την ποιότητα με γλωσσικούς κανόνες και εφαρμόζει διορθώσεις OCR όπου απαιτείται. Μέσω αυτής της προσπάθειας και της αξιοποίησης του πολυγλωσσικού συνόλου HPLT (~334 GB με υψηλή βαθμολογία ποιότητας), εκπαιδεύτηκε το Greek Apertus v0.5 / 8B σε διάστημα 4 μηνών με επιχορήγηση του Swiss AI Initiative. Το Greek Apertus αποτελεί το πρώτο πλήρως ανοιχτό ευρωπαϊκό μοντέλο (με ανοιχτά σύνολα δεδομένων, κώδικα και βάρη). Στις αξιολογήσεις (benchmarks), πέτυχε 70.52% στο GreekMMLU, 65.80% στο Greek IFEval και 59.67% στο Greek GSM8K, προσφέροντας διαφάνεια και αναπαραγωγιμότητα.

Τοπική Υποδομή HPC & vLLM στο Χαροκόπειο Πανεπιστήμιο

Οι Αριστοτέλης Μπάλλας και Χρήστος Δίου παρουσίασαν τις υποδομές που αναπτύσσει το Τμήμα Πληροφορικής και Τηλεματικής του Χαροκοπείου Πανεπιστημίου:

Private Cloud (Proxmox VE): Περιλαμβάνει 4 clusters, 24 φυσικούς κόμβους, 1.000+ CPU cores, ~4.6 TiB RAM και >210 TiB αποθηκευτικό χώρο για γενικές εκπαιδευτικές, ερευνητικές και διοικητικές ανάγκες.
Σύμπλεγμα HPC (SLURM): Αποτελείται από 7 κόμβους (hpc01–hpc07) με κάρτες GPU (A100, RTX6000, H100, καθώς και 8× H200 με NVLINK στον hpc06).
Διαχείριση Πόρων & Preemption: Μέσω SLURM QoS, παρέχεται η δυνατότητα preemption, επιτρέποντας στα LLMs να τρέχουν σε χαμηλής προτεραιότητας partitions και να διακόπτονται/επανεκκινούνται αυτόματα όταν εισέρχονται ερευνητικές εργασίες υψηλής προτεραιότητας.
vLLM & Μοντέλα: Χρησιμοποιείται η μηχανή vLLM με continuous batching για παράλληλη εξυπηρέτηση χρηστών

Έχουν αναπτυχθεί το Qwen 3.8-27B (σε 2× H100 με παράθυρο περιεχομένου 245K tokens) και το GLM 5.3 / 70B (σε 8× H200).

API & Εφαρμογές: Η πρόσβαση γίνεται μέσω ενός OpenAI-συμβατού API endpoint με LiteLLM proxy, TLS και API keys. Το σύστημα χρησιμοποιείται στην έρευνα, στη διδασκαλία εργαστηρίων, σε agents παραγωγικότητας (qwen-code, Hermes agent) και στη διοικητική επεξεργασία εγγράφων

Βιομηχανική Εφαρμογή στη Ναυτιλία: Η Προσέγγιση της Agency Trust

τοπικά-llms-στην-πράξη-τι-παρουσιάστηκε-στην-τεχνική-συνάντηση-της-εελλακ-στο-εμπ

Οι Νικόλαος Χρυσάκης (pdf παρουσίασης) , Αχιλλέας Μάντζιος και Ιωάννης Μαζαράκης παρουσίασαν (pdf παρουσίασης) την παραγωγική εφαρμογή τοπικών LLMs στη διαχείριση στόλου 120 πλοίων:

Εταιρική Υποδομή: Εγκατάσταση τοπικού διακομιστή με 8× Blackwell GPUs (96GB) και 1.5 TB RAM εντός των γραφείων της εταιρείας.
Επιλογή Μοντέλου & Caching: Επιλέχθηκε το GLM 5.3 λόγω του χαμηλότερου ποσοστού παραισθήσεων (hallucinations) σε κρίσιμες επιχειρησιακές αποφάσεις
Παράλληλα, εφαρμόζεται LM Cache / KV Cache στη RAM ως L2 cache, επιτυγχάνοντας 98.8% hit rate.
Κανονικοποίηση Δεδομένων (Data Normalization): Ταυτόχρονη διαχείριση και αντιστοίχιση 8.000+ sensor tags ανά πλοίο από διαφορετικούς κατασκευαστές σε ενιαίο conceptual λεξιλόγιο.
Custom Agentic Stack: Ανάπτυξη ιδιόκτητου framework (QMA, QCLE, QCLI) σε Java με repo maps, symbol maps, LSP integration και αυστηρό έλεγχο μέσω Mutation Testing (PIT).
Επιχειρησιακά Οφέλη: Ο διαχωρισμός τιμολογίων στο λογιστήριο (Owners vs. Charterers) μειώθηκε από 1 εβδομάδα σε μόλις 15 λεπτά, ενώ παράλληλα πραγματοποιείται ασφαλής νομική ανάλυση συμβολαίων ναύλωσης (Charter Party)

Pharos AI Factory: Πολυμισθωτική Υποδομή Υψηλών Επιδόσεων

Ο Ιωάννης Κωνσταντίνου παρουσίασε την αρχιτεκτονική του Pharos AI Factory, μίας ευρωπαϊκής πρωτοβουλίας βασισμένης στους υπερυπολογιστές Δαίδαλος (~89 PFLOPS) και Ίκαρος (50× GH200):

Αρχιτεκτονική Multitenancy: Διαχωρισμός σε Provisioning Path (αγορά/κράτηση πόρων μέσω Valdur marketplace) και Run Path (εκτέλεση real-time inference σε Kubernetes και batch/training εργασιών σε SLURM).
Έλεγχος Χρήσης (Token Metering): Επιβολή μηνιαίων ορίων tokens ανά ομάδα μέσω LightLLM proxy και OpenWebUI.
Βελτιστοποίηση vLLM: Εφαρμογή speculative decoding και προσαρμοσμένου 3-step all-reduce αλγορίθμου (aware της τοπολογίας CPU-islands/PCIe), αυξάνοντας την ταχύτητα παραγωγής από 1.5 σε 12–16+ tokens/secondτοπικά-llms-στην-πράξη-τι-παρουσιάστηκε-στην-τεχνική-συνάντηση-της-εελλακ-στο-εμπ

Ανοιχτή Συζήτηση & Συμπεράσματα

Η ανοιχτή συζήτηση στο τέλος της συνάντησης ανέδειξε αρκετά κοινά θέματα.

Μηχαναγνώσιμα Έγγραφα στο Δημόσιο: Τονίστηκε η ανάγκη έκδοσης οδηγιών από το Υπουργείο Ψηφιακής Διακυβέρνησης για την υποχρεωτική παραγωγή δομημένων, μηχαναγνώσιμων PDF (στα πρότυπα Ολλανδίας και Γερμανίας), ώστε να αποφεύγεται το κοστοβόρο OCR σε σκαναρισμένα έγγραφα της Διαύγειας και του Εθνικού Τυπογραφείου.

Ο Ρόλος του Ανθρώπου (“Human-in-the-Loop”): Τα LLMs ορίστηκαν ως «πιθανοτικά μηχανήματα» (probabilistic machines) . Ο χρήστης οφείλει να είναι εξειδικευμένος (domain expert) για να αξιολογεί τα αποτελέσματα, καθώς η ΤΝ λειτουργεί ως ενισχυτής παραγωγικότητας και όχι ως αντικαταστάτης.

Θεμελιώδεις Αρχές (Fundamentals): Η αποτελεσματική χρήση εργαλείων ΤΝ στον προγραμματισμό απαιτεί βαθιά κατανόηση των βασικών αρχών της Πληροφορικής (λειτουργικά συστήματα, δίαυλοι επικοινωνίας/PCIe, αρχιτεκτονική υπολογιστών) .

Δικτύωση Κοινότητας: Προτάθηκε η δημιουργία καναλιού επικοινωνίας (Matrix/Element) από την ΕΕΛΛΑΚ για τη συνεχή ανταλλαγή τεχνογνωσίας, οδηγών εγκατάστασης και καλών πρακτικών μεταξύ πανεπιστημίων, φορέων και επιχειρήσεων. Όσοι/ες από εσάς ενδιαφέρονται να συμμετέχουν μπορούν να στείλουν email στο admin@eellak.gr για να λάβουν οδηγίες σύνδεσης στο κανάλι επικοινωνίας

Δείτε το πλήρης βίντεο της τεχνικής συνάντησης στο https://www.youtube.com/watch?v=uhCuSozU8kg

Ποιος ελέγχει την αλήθεια στην εποχή της Τεχνητής Νοημοσύνης;
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για το Ανοιχτό Περιεχόμενο

Γιατί η ποιότητα του ψηφιακού περιεχομένου, η δημοκρατική λογοδοσία και η ασφάλεια των δημόσιων υπηρεσιών προϋποθέτουν πραγματικά ανοιχτά μοντέλα Τεχνητής Νοημοσύνης.

Από τη δημιουργία περιεχομένου στη διαμόρφωση της γνώσης

Η Τεχνητή Νοημοσύνη αλλάζει ριζικά τον τρόπο με τον οποίο παράγεται και διαδίδεται η πληροφορία. Κείμενα, εικόνες, βίντεο, εκπαιδευτικό υλικό, δημοσιογραφικές αναλύσεις και επιστημονικές περιλήψεις δημιουργούνται πλέον με τη βοήθεια μεγάλων γλωσσικών μοντέλων. Το κρίσιμο ερώτημα δεν είναι μόνο αν αυτό το περιεχόμενο είναι χρήσιμο, αλλά ποιος μπορεί να ελέγξει την αξιοπιστία του και τις διαδικασίες παραγωγής του.

Τα περισσότερα ισχυρά εμπορικά μοντέλα λειτουργούν ως αδιαφανή συστήματα. Οι εταιρείες που τα αναπτύσσουν δεν δημοσιοποιούν πλήρως τα δεδομένα εκπαίδευσης, τον κώδικα εκπαίδευσης, τις διαδικασίες επιλογής και αποκλεισμού περιεχομένου ή τις μεθόδους με τις οποίες καθορίζεται η συμπεριφορά τους.

Έτσι, ένας εκπαιδευτικός, ένας δημοσιογράφος, ένας ερευνητής ή ένας δημόσιος υπάλληλος μπορεί να χρησιμοποιεί ένα σύστημα χωρίς να γνωρίζει επαρκώς γιατί αυτό παράγει συγκεκριμένες απαντήσεις, ποιες πηγές επηρεάζουν τα αποτελέσματά του και ποιες προκαταλήψεις ενσωματώνει.

Το πρόβλημα αποκτά πολιτική διάσταση όταν λίγες ιδιωτικές επιχειρήσεις επηρεάζουν την παραγωγή και την πρόσβαση στη γνώση για εκατομμύρια ανθρώπους, χωρίς να υπόκεινται σε αντίστοιχο επίπεδο δημόσιου ελέγχου.

Το πρόβλημα δεν περιορίζεται στην παραπληροφόρηση

Η συζήτηση για την Τεχνητή Νοημοσύνη συχνά επικεντρώνεται στις ψευδείς ειδήσεις και στα παραποιημένα βίντεο. Όμως η ποιότητα του παραγόμενου περιεχομένου είναι πολύ ευρύτερο ζήτημα.

Ένα γλωσσικό μοντέλο μπορεί να επινοήσει βιβλιογραφικές αναφορές, να παρουσιάσει λανθασμένες νομικές πληροφορίες, να αναπαράγει κοινωνικές προκαταλήψεις ή να παραλείψει σημαντικές επιστημονικές απόψεις. Ακόμη και όταν το αποτέλεσμα φαίνεται πειστικό, δεν υπάρχει εγγύηση ότι είναι ακριβές.

Στην εκπαίδευση, τέτοια σφάλματα μπορούν να μεταφερθούν σε μαθητές και φοιτητές. Στη δημόσια διοίκηση, μπορούν να επηρεάσουν την ενημέρωση των πολιτών για δικαιώματα και υποχρεώσεις. Σε κρίσιμες κρατικές υπηρεσίες, η αναξιόπιστη πληροφορία μπορεί να δημιουργήσει κινδύνους ασφάλειας και να οδηγήσει σε λανθασμένες ενέργειες.

Υπάρχει και μια λιγότερο ορατή συνέπεια. Το περιεχόμενο που παράγεται σήμερα από ΤΝ δημοσιεύεται στο διαδίκτυο και μπορεί να χρησιμοποιηθεί στην εκπαίδευση επόμενων μοντέλων. Εάν δεν ελέγχεται η προέλευσή του, υπάρχει κίνδυνος να ανακυκλώνονται σφάλματα, προκαταλήψεις και τεχνητά παραγόμενες πληροφορίες. Η έρευνα έχει δείξει ότι η ανεξέλεγκτη επαναχρησιμοποίηση συνθετικών δεδομένων μπορεί, υπό συγκεκριμένες συνθήκες, να υποβαθμίσει την ποιότητα των επόμενων μοντέλων.

Επομένως, η αξιοπιστία του περιεχομένου αποτελεί πλέον ζήτημα ποιότητας της ίδιας της ψηφιακής γνώσης.

Μπορούν οι δημοκρατικοί θεσμοί να ελέγξουν ένα κλειστό μοντέλο;

Η Ευρωπαϊκή Ένωση έχει ήδη δημιουργήσει ένα σημαντικό ρυθμιστικό πλαίσιο με τον Κανονισμό για την Τεχνητή Νοημοσύνη (AI Act). Προβλέπει υποχρεώσεις διαφάνειας, τεκμηρίωσης, διαχείρισης κινδύνων και αξιολόγησης, ανάλογα με την κατηγορία του συστήματος. Παράλληλα, ο ΟΗΕ έχει αναδείξει την ανάγκη διεθνούς επιστημονικής συνεργασίας και διακυβέρνησης της ΤΝ με επίκεντρο τα ανθρώπινα δικαιώματα.

Ωστόσο, η ρύθμιση δεν ταυτίζεται με την πλήρη δυνατότητα ανεξάρτητου τεχνικού ελέγχου.

Οι αρμόδιες αρχές μπορούν να απαιτούν πληροφορίες, να πραγματοποιούν ελέγχους και να επιβάλλουν κυρώσεις. Ακόμη και ένα κλειστό μοντέλο μπορεί να υποβληθεί σε εξωτερικές δοκιμές. Χωρίς όμως επαρκή πρόσβαση στα δεδομένα, στον κώδικα και στις διαδικασίες εκπαίδευσης, δεν μπορούν να εξεταστούν ανεξάρτητα όλες οι πηγές πιθανών προβλημάτων.

Αυτό δημιουργεί μια ουσιαστική δημοκρατική ασυμμετρία. Οι δημόσιοι θεσμοί καλούνται να ελέγξουν τεχνολογίες των οποίων η εσωτερική λειτουργία παραμένει σε μεγάλο βαθμό ιδιωτική γνώση.

Γιατί δεν αρκούν τα ανοιχτά βάρη των μοντέλων

Η δημοσιοποίηση των παραμέτρων ενός μοντέλου, γνωστή ως open weights, επιτρέπει την τοπική εκτέλεση και συχνά την περαιτέρω προσαρμογή του. Δεν αποκαλύπτει όμως αναγκαστικά πώς εκπαιδεύτηκε.

Για ουσιαστικό επιστημονικό και θεσμικό έλεγχο χρειάζονται πλήρως ανοιχτά μοντέλα, με διαθέσιμο κώδικα, τεκμηριωμένες πηγές δεδομένων, μεθοδολογία εκπαίδευσης, ενδιάμεσα αποτελέσματα, διαδικασίες αξιολόγησης και άδειες που επιτρέπουν την ανεξάρτητη μελέτη και επαναχρησιμοποίηση.

Πρωτοβουλίες όπως το OLMo του Allen Institute for AI και το ευρωπαϊκό Apertus δείχνουν ότι αυτή η κατεύθυνση είναι τεχνικά εφικτή. Η πλήρης διαφάνεια δεν εξαλείφει αυτομάτως τα σφάλματα ούτε εγγυάται την ασφάλεια. Επιτρέπει όμως σε πανεπιστήμια, ανεξάρτητους ερευνητές και δημόσιους ελεγκτικούς φορείς να διερευνούν προβλήματα χωρίς να εξαρτώνται αποκλειστικά από τις διαβεβαιώσεις των κατασκευαστών.

Χωρίς πλήρως ανοιχτά μοντέλα, ο ανεξάρτητος θεσμικός έλεγχος της διαδικασίας ανάπτυξης της ΤΝ παραμένει αναγκαστικά περιορισμένος.

Από την ευρωπαϊκή ρύθμιση στη δημόσια υποδομή ελέγχου

Η ΕΕ χρειάζεται να συμπληρώσει τη νομοθεσία της με δημόσιες υποδομές αξιολόγησης, ανεξάρτητα εργαστήρια και κοινά ευρωπαϊκά σύνολα δοκιμών για γλώσσες, επιστημονικά πεδία και δημόσιες υπηρεσίες.

Κάθε δημοκρατική χώρα οφείλει να διαθέτει την τεχνική ικανότητα να ελέγχει τα μοντέλα που χρησιμοποιεί, ιδιαίτερα στην εκπαίδευση, στην υγεία, στη δικαιοσύνη και στη δημόσια διοίκηση. Στις κρίσιμες δημόσιες εφαρμογές πρέπει να προτιμώνται πλήρως ανοιχτά και ανεξάρτητα ελέγξιμα μοντέλα, με ανθρώπινη εποπτεία, τεκμηριωμένες απαντήσεις, περιοδικές δοκιμές ασφάλειας και δημόσια λογοδοσία.

Ο ΟΗΕ μπορεί να συμβάλει στη δημιουργία κοινών διεθνών προτύπων αξιολόγησης και στη διάθεση ανοιχτών εργαλείων ελέγχου, ώστε και οι χώρες με περιορισμένους τεχνολογικούς πόρους να μπορούν να συμμετέχουν ισότιμα.

Απαραίτητη είναι επίσης η ιχνηλασιμότητα του περιεχομένου, με τεκμηρίωση της προέλευσης, της χρήσης ΤΝ και των ανθρώπινων παρεμβάσεων, χωρίς να υπονομεύονται η ιδιωτικότητα και η ελευθερία της έκφρασης.

Η ανοιχτή ΤΝ ως προϋπόθεση δημοκρατικής κυριαρχίας

Η επιλογή ανάμεσα σε κλειστά και πλήρως ανοιχτά μοντέλα δεν αφορά μόνο την τεχνολογία ή το κόστος. Αφορά τη δυνατότητα των δημοκρατικών κοινωνιών να ελέγχουν τις ψηφιακές υποδομές που επηρεάζουν τη γνώση, την εκπαίδευση και τη λειτουργία των θεσμών τους.

Οι δημιουργοί περιεχομένου χρειάζονται αξιόπιστες πηγές, διαφανή εργαλεία και τη δυνατότητα επαλήθευσης. Οι δημόσιοι φορείς χρειάζονται ανεξάρτητο έλεγχο και τεχνολογική αυτονομία. Οι πολίτες χρειάζονται εγγυήσεις ότι οι πληροφορίες που επηρεάζουν τη ζωή τους δεν καθορίζονται αποκλειστικά από αδιαφανείς εμπορικές διαδικασίες.

Η δημοκρατία δεν μπορεί να περιορίζεται στο δικαίωμα χρήσης της Τεχνητής Νοημοσύνης. Πρέπει να διαθέτει και την πραγματική δυνατότητα να την κατανοεί, να την ελέγχει και να την αλλάζει.

Αυτός είναι ο λόγος που η ανάπτυξη πλήρως ανοιχτών μοντέλων ΤΝ πρέπει να αντιμετωπιστεί ως στρατηγική δημόσια επένδυση στην επιστήμη, στη γνώση και στη δημοκρατία.

Βασικές πηγές τεκμηρίωσης:

1. Ευρωπαϊκή Επιτροπή, General-Purpose AI Obligations under the AI Act: Παρουσίαση των υποχρεώσεων τεχνικής τεκμηρίωσης, διαφάνειας σχετικά με το περιεχόμενο εκπαίδευσης, προστασίας πνευματικών δικαιωμάτων και αντιμετώπισης συστημικών κινδύνων. Αποτυπώνει τις δυνατότητες και τα όρια της ευρωπαϊκής ρύθμισης: https://digital-strategy.ec.europa.eu/en/factpages/general-purpose-ai-obligations-under-ai-act.

2. Οργανισμός Ηνωμένων Εθνών, Independent International Scientific Panel on AI: Η ανεξάρτητη διεθνής επιστημονική επιτροπή, που συστάθηκε με απόφαση της Γενικής Συνέλευσης το 2025, αποτελεί θεσμικό μηχανισμό επιστημονικής αξιολόγησης των ευκαιριών, κινδύνων και κοινωνικών επιπτώσεων της ΤΝ. Τεκμηριώνει την ανάγκη διεθνούς δημόσιου ελέγχου: https://www.un.org/independent-international-scientific-panel-ai/en.

3. Allen Institute for AI, OLMo 2: Fully Open Language Models: Παρουσιάζει μια οικογένεια πλήρως ανοιχτών γλωσσικών μοντέλων με διαθέσιμα δεδομένα εκπαίδευσης, κώδικα, μεθοδολογία, ενδιάμεσα αποτελέσματα και διαδικασίες αξιολόγησης. Αποτελεί συγκεκριμένο τεχνικό παράδειγμα ανεξάρτητου επιστημονικού ελέγχου: https://allenai.org/olmo2.

4. ETH Zurich, Apertus: A Fully Open, Transparent, Multilingual Language Model: Παρουσιάζει το ευρωπαϊκό πολυγλωσσικό μοντέλο Apertus, που αναπτύχθηκε από ελβετικά ερευνητικά ιδρύματα με έμφαση στη διαφάνεια και στην ανοιχτή επιστήμη. Αποτελεί παράδειγμα δημόσιας ερευνητικής υποδομής ΤΝ: ETH Zurich, Apertus.

5. Shumailov et al., AI Models Collapse When Trained on Recursively Generated Data, Nature (2024): Επιστημονική μελέτη που τεκμηριώνει τον κίνδυνο υποβάθμισης μοντέλων όταν εκπαιδεύονται επανειλημμένα με συνθετικά δεδομένα χωρίς κατάλληλες δικλίδες. Αναδεικνύει τη σημασία της ποιότητας και της προέλευσης του περιεχομένου εκπαίδευσης: https://www.nature.com/articles/s41586-024-07566-y.

6. NIST, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (2024): Τεχνικό πλαίσιο αναγνώρισης, αξιολόγησης και διαχείρισης κινδύνων της παραγωγικής ΤΝ, συμπεριλαμβανομένων της αναξιοπιστίας, της ασφάλειας, της ιδιωτικότητας και των κοινωνικών επιπτώσεων. Χρήσιμο για δημόσιους οργανισμούς και ανεξάρτητους αξιολογητές: https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf.

7. ΟΗΕ, Global Digital Compact: AI Panel and Global Dialogue on AI Governance: Παρουσιάζει το διεθνές πλαίσιο συνεργασίας για τη διακυβέρνηση της ΤΝ και τη συγκρότηση της ανεξάρτητης επιστημονικής επιτροπής και του παγκόσμιου διαλόγου. Τεκμηριώνει τη δυνατότητα κοινών θεσμικών προσεγγίσεων μεταξύ κρατών: https://www.un.org/global-digital-compact/en/ai.

Χωρίς πλήρως ανοιχτά μοντέλα Τεχνητής Νοημοσύνης δεν υπάρχει ουσιαστικός δημόσιος έλεγχος
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για την Ανοιχτή Διακυβέρνηση

Γιατί η Ελλάδα και η Ευρώπη χρειάζονται Τεχνητή Νοημοσύνη που μπορεί να ελέγχεται ανεξάρτητα, ιδιαίτερα στην εκπαίδευση, τη δημόσια διοίκηση και τις κρίσιμες κρατικές υπηρεσίες.

Η Τεχνητή Νοημοσύνη δεν μπορεί να λειτουργεί ως μαύρο κουτί στο κράτος

Η Τεχνητή Νοημοσύνη εισέρχεται σταδιακά στην εκπαίδευση, στη δημόσια διοίκηση και σε υπηρεσίες που διαχειρίζονται κρίσιμα δεδομένα και αποφάσεις. Μπορεί να περιορίσει τη γραφειοκρατία, να υποστηρίξει τους εκπαιδευτικούς, να βελτιώσει την εξυπηρέτηση των πολιτών και να ενισχύσει την αποτελεσματικότητα του κράτους.

Υπάρχει, όμως, ένα θεμελιώδες δημοκρατικό ερώτημα: ποιος ελέγχει τα συστήματα που χρησιμοποιεί το Δημόσιο και με ποιον τρόπο μπορεί να διαπιστώσει ότι λειτουργούν σωστά;

Όταν ένα σύστημα Τεχνητής Νοημοσύνης επηρεάζει μια διοικητική διαδικασία, μια εκπαιδευτική αξιολόγηση ή την επεξεργασία ευαίσθητων πληροφοριών, δεν αρκεί η διαβεβαίωση του προμηθευτή ότι είναι αξιόπιστο. Το κράτος οφείλει να μπορεί να το εξετάζει ανεξάρτητα, να εντοπίζει σφάλματα, να αξιολογεί κινδύνους και να λογοδοτεί για τη χρήση του.

Η δυνατότητα δημόσιου ελέγχου δεν αποτελεί πρόσθετο τεχνικό χαρακτηριστικό. Είναι προϋπόθεση δημοκρατικής νομιμοποίησης.

Ανοιχτά βάρη δεν σημαίνουν πλήρως ανοιχτό μοντέλο

Συχνά χαρακτηρίζονται «ανοιχτά» μοντέλα των οποίων δημοσιεύονται μόνο τα βάρη, δηλαδή οι παράμετροι που έχουν προκύψει από την εκπαίδευσή τους. Αυτό επιτρέπει την εγκατάσταση, τη λειτουργία και την προσαρμογή τους σε υποδομές του χρήστη.

Δεν εξασφαλίζει, όμως, πλήρη γνώση του τρόπου με τον οποίο δημιουργήθηκαν.

Για ουσιαστικό ανεξάρτητο τεχνικό έλεγχο χρειάζεται πρόσβαση στον κώδικα εκπαίδευσης και αξιολόγησης, στις μεθόδους επιλογής και επεξεργασίας των δεδομένων, σε επαρκή τεκμηρίωση των δεδομένων εκπαίδευσης, στις παραμέτρους της διαδικασίας και στα αποτελέσματα των δοκιμών.

Η Open Source Initiative, με τον ορισμό Open Source AI Definition 1.0, προσδιορίζει τις ελευθερίες χρήσης, μελέτης, τροποποίησης και διαμοιρασμού και τα στοιχεία που απαιτούνται για να ασκούνται ουσιαστικά.

Η διαφορά είναι καθοριστική. Με τα ανοιχτά βάρη μπορούμε να ελέγξουμε πώς συμπεριφέρεται ένα διαθέσιμο μοντέλο. Με ένα πλήρως ανοιχτό μοντέλο αποκτούμε επιπλέον τη δυνατότητα να διερευνήσουμε πώς αναπτύχθηκε, να επαναλάβουμε κρίσιμα στάδια της εκπαίδευσής του και να εξετάσουμε τις αιτίες προβληματικών αποτελεσμάτων.

Η πλήρης ανοικτότητα δεν εγγυάται από μόνη της ασφάλεια ή αμεροληψία. Επιτρέπει, όμως, βαθύτερο και περισσότερο αναπαραγώγιμο έλεγχο.

Η Ευρώπη δεν ξεκινά από το μηδέν

Η πρωτοβουλία OpenEuroLLM, η οικογένεια πολυγλωσσικών μοντέλων EuroLLM, τα γαλλικά μοντέλα Mistral, η ερευνητική συνεργασία BigScience που δημιούργησε το BLOOM και το ελβετικό Apertus αποδεικνύουν ότι υπάρχουν ήδη ευρωπαϊκές δυνατότητες ανάπτυξης ισχυρών γλωσσικών μοντέλων.

Δεν προσφέρουν όμως όλα τον ίδιο βαθμό διαφάνειας.

Άλλο είναι να μπορούμε να εγκαταστήσουμε ένα μοντέλο στις δικές μας υποδομές και άλλο να γνωρίζουμε επαρκώς τα δεδομένα, τον κώδικα και τις διαδικασίες με τις οποίες εκπαιδεύτηκε.

Για εφαρμογές στην εκπαίδευση, τη δημόσια διοίκηση και τις κρίσιμες κρατικές υπηρεσίες, η δεύτερη δυνατότητα είναι καθοριστική.

Η Ελλάδα οφείλει να αξιοποιήσει αυτές τις ευρωπαϊκές πρωτοβουλίες και να συμμετέχει ενεργά στην ανάπτυξη πλήρως ανοιχτών μοντέλων, με ιδιαίτερη έμφαση στην ελληνική γλώσσα, στη δυνατότητα ανεξάρτητης αξιολόγησης και στον δημόσιο έλεγχο.

Το OpenEuroLLM επιδιώκει να δημοσιοποιεί δεδομένα, τεκμηρίωση, κώδικα εκπαίδευσης και αξιολογήσεις. Το EuroLLM αναπτύσσει πολυγλωσσικά μοντέλα που καλύπτουν και τις 24 επίσημες γλώσσες της Ευρωπαϊκής Ένωσης. Το Apertus, από το ETH Zürich, το EPFL και το ελβετικό κέντρο υπερυπολογιστών CSCS, αποτελεί σημαντικό παράδειγμα ολοκληρωμένης ανοικτής ανάπτυξης.

Αντίθετα, η Mistral, παρότι διαθέτει μοντέλα με ανοιχτά βάρη, δεν δημοσιοποιεί τα δεδομένα εκπαίδευσής τους. Πρόκειται για ουσιαστική διαφορά ως προς τις δυνατότητες ανεξάρτητης επιθεώρησης.

Εκπαίδευση: οι αλγόριθμοι πρέπει να μπορούν να εξετάζονται

Στην εκπαίδευση, η Τεχνητή Νοημοσύνη μπορεί να υποστηρίξει την εξατομικευμένη μάθηση, την προετοιμασία εκπαιδευτικού υλικού και την πρόσβαση στη γνώση.

Ταυτόχρονα, μπορεί να αναπαράγει προκαταλήψεις, να εμφανίζει ανακριβείς πληροφορίες ως βέβαιες ή να αντιμετωπίζει άνισα διαφορετικές γλωσσικές και κοινωνικές ομάδες.

Οι εκπαιδευτικοί, τα πανεπιστήμια και οι ανεξάρτητοι ερευνητές πρέπει να έχουν τη δυνατότητα να εξετάζουν συστηματικά αυτά τα προβλήματα και να προσαρμόζουν τα εργαλεία στις ελληνικές εκπαιδευτικές ανάγκες.

Τα πλήρως ανοιχτά μοντέλα διευκολύνουν την επιστημονική αναπαραγωγή των αποτελεσμάτων, τη συνεργατική βελτίωση και την ανάπτυξη δημόσιων εκπαιδευτικών εφαρμογών χωρίς αποκλειστική εξάρτηση από έναν προμηθευτή.

Δημόσια διοίκηση: λογοδοσία αντί για αδιαφανείς αναθέσεις

Στη δημόσια διοίκηση, η Τεχνητή Νοημοσύνη μπορεί να βοηθήσει στην επεξεργασία αιτημάτων, στην αναζήτηση νομοθεσίας και στη διεκπεραίωση διοικητικών υποθέσεων.

Όταν όμως χρησιμοποιείται σε διαδικασίες που επηρεάζουν κοινωνικές παροχές, δικαιώματα ή την πρόσβαση σε δημόσιες υπηρεσίες, απαιτείται ουσιαστική ανθρώπινη εποπτεία.

Ο πολίτης πρέπει να γνωρίζει πότε χρησιμοποιείται Τεχνητή Νοημοσύνη, να μπορεί να αμφισβητήσει ένα αποτέλεσμα και να ζητήσει επανεξέταση από αρμόδιο άνθρωπο.

Παράλληλα, οι ελεγκτικοί μηχανισμοί οφείλουν να έχουν επαρκή πρόσβαση στην τεχνική τεκμηρίωση, στα δεδομένα λειτουργίας και στις αξιολογήσεις.

Ο ευρωπαϊκός Κανονισμός για την Τεχνητή Νοημοσύνη θεσπίζει υποχρεώσεις διαχείρισης κινδύνων, τεκμηρίωσης, διαφάνειας και ανθρώπινης εποπτείας, ανάλογα με την κατηγορία του συστήματος. Δεν επιβάλλει γενικώς τη χρήση πλήρως ανοιχτών μοντέλων. Η επιλογή τους, όμως, μπορεί να διευκολύνει ουσιαστικά τη συμμόρφωση και τον δημόσιο έλεγχο.

Κρίσιμες κρατικές υπηρεσίες: ασφάλεια σημαίνει δυνατότητα επαλήθευσης

Σε υπηρεσίες κυβερνοασφάλειας, πολιτικής προστασίας και διαχείρισης κρίσιμων υποδομών, η εξάρτηση από αδιαφανή συστήματα δημιουργεί πρόσθετους κινδύνους.

Το κράτος πρέπει να μπορεί να ελέγχει τις ενημερώσεις, τις ευπάθειες, τις εξαρτήσεις και τη συμπεριφορά των μοντέλων, ακόμη και όταν αλλάζει προμηθευτή.

Η πρόσβαση στον κώδικα και στα στοιχεία ανάπτυξης επιτρέπει ανεξάρτητες δοκιμές ασφαλείας. Δεν καταργεί την ανάγκη προστασίας διαβαθμισμένων πληροφοριών, ελέγχων πρόσβασης και επιχειρησιακών εγγυήσεων.

Η δημόσια εποπτεία απαιτεί ελεγκτική πρόσβαση, όχι ανεξέλεγκτη δημοσιοποίηση ευαίσθητων κρατικών δεδομένων.

Μια εθνική πολιτική για ελέγξιμη δημόσια Τεχνητή Νοημοσύνη

Η Ελλάδα χρειάζεται σαφή πολιτική προμηθειών και ανάπτυξης Τεχνητής Νοημοσύνης που να δίνει προτεραιότητα, όπου είναι τεχνικά και νομικά εφικτό, σε πλήρως ανοιχτά μοντέλα.

Χρειάζεται επίσης δημόσιο μητρώο συστημάτων Τεχνητής Νοημοσύνης, ανεξάρτητες αξιολογήσεις, συμμετοχή πανεπιστημίων και ερευνητικών φορέων, δημοσιοποίηση των αποτελεσμάτων ελέγχου και σαφείς διαδικασίες ανθρώπινης παρέμβασης.

Οι δημόσιες υποδομές υπολογιστικού νέφους, τα ελληνικά γλωσσικά δεδομένα και οι ευρωπαϊκές ερευνητικές συνεργασίες μπορούν να στηρίξουν αυτή την κατεύθυνση.

Η ευρωπαϊκή στρατηγική για το ανοιχτό λογισμικό συνδέει ήδη την ανοικτότητα με την τεχνολογική αυτονομία, την ασφάλεια και την αποφυγή εξάρτησης από μεμονωμένους προμηθευτές.

Το κρίσιμο πολιτικό ερώτημα δεν είναι αν το κράτος θα χρησιμοποιήσει Τεχνητή Νοημοσύνη. Είναι αν θα διαθέτει την τεχνογνωσία, τα δικαιώματα και τις υποδομές για να ελέγχει πραγματικά τα συστήματα που χρησιμοποιεί.

Χωρίς αυτή τη δυνατότητα, η ψηφιακή εξάρτηση μπορεί να μετατραπεί σε θεσμική εξάρτηση. Με πλήρως ανοιχτά μοντέλα, ανεξάρτητη αξιολόγηση και δημοκρατική λογοδοσία, η Τεχνητή Νοημοσύνη μπορεί να εξελιχθεί σε δημόσια υποδομή εμπιστοσύνης.

Πηγές και τεκμηρίωση:

1. Open Source Initiative, The Open Source AI Definition 1.0. Ο διεθνής ορισμός της ανοιχτής Τεχνητής Νοημοσύνης. Καθορίζει τις ελευθερίες χρήσης, μελέτης, τροποποίησης και διαμοιρασμού και τα απαιτούμενα στοιχεία για την ουσιαστική άσκησή τους.
https://opensource.org/ai/open-source-ai-definition,

2. ETH Zürich, EPFL και CSCS, Apertus: A Fully Open, Transparent, Multilingual Language Model. Παρουσίαση του ελβετικού Apertus και της προσέγγισης πλήρους ανοικτότητας, με πρόσβαση σε μοντέλα, τεκμηρίωση και στοιχεία ανάπτυξης.
https://ethz.ch/en/news-and-events/eth-news/news/2025/09/press-release-apertus-a-fully-open-transparent-multilingual-language-model.html,

3. Allen Institute for AI, OLMo 2. Αμερικανικό, αλλά ιδιαίτερα σημαντικό διεθνές παράδειγμα πλήρως ανοιχτών γλωσσικών μοντέλων, με δημοσιευμένα δεδομένα, κώδικα εκπαίδευσης και εργαλεία αξιολόγησης. https://allenai.org/olmo2,

4. Ευρωπαϊκή Ένωση, Κανονισμός (ΕΕ) 2024/1689, Artificial Intelligence Act. Το κανονιστικό πλαίσιο της ΕΕ για την Τεχνητή Νοημοσύνη, με απαιτήσεις διαχείρισης κινδύνων, τεχνικής τεκμηρίωσης και ανθρώπινης εποπτείας. https://eur-lex.europa.eu/eli/reg/2024/1689/oj,

5. OECD, AI Principles: Transparency and Explainability. Οι αρχές του ΟΟΣΑ για διαφάνεια, επεξηγησιμότητα και δυνατότητα αμφισβήτησης αποτελεσμάτων συστημάτων Τεχνητής Νοημοσύνης. https://oecd.ai/en/dashboards/ai-principles/P7,

6. National Institute of Standards and Technology, AI Risk Management Framework. Διεθνώς χρησιμοποιούμενο πλαίσιο εντοπισμού, αξιολόγησης και διαχείρισης κινδύνων σε συστήματα Τεχνητής Νοημοσύνης. https://www.nist.gov/itl/ai-risk-management-framework,

7. Ευρωπαϊκή Επιτροπή, The EU Open Source Strategy. Η ευρωπαϊκή στρατηγική ανοικτού λογισμικού, η οποία συνδέει τις ανοιχτές τεχνολογίες με την τεχνολογική κυριαρχία, τις δημόσιες προμήθειες και τη μείωση της εξάρτησης από προμηθευτές. https://digital-strategy.ec.europa.eu/en/policies/open-source-strategy,

8. OpenEuroLLM, Transparent AI for Europe. Παρουσίαση της ευρωπαϊκής πρωτοβουλίας ανάπτυξης ανοιχτών πολυγλωσσικών μοντέλων, με δημοσιοποίηση εργαλείων, μεθόδων εκπαίδευσης και αξιολόγησης. https://openeurollm.eu/,

9. EuroLLM, Multilingual Language Models for Europe. Παρουσίαση της ευρωπαϊκής οικογένειας μοντέλων που υποστηρίζει όλες τις επίσημες γλώσσες της ΕΕ, ενισχύοντας τη γλωσσική ισότητα και την ευρωπαϊκή ερευνητική αυτονομία. https://eurollm.io/,

10. Mistral AI, Does Mistral Disclose Its Training Datasets? Διευκρίνιση ότι η εταιρεία δεν δημοσιοποιεί τα δεδομένα εκπαίδευσης και ορισμένα σχετικά στοιχεία των μοντέλων της. Τεκμηριώνει τη διάκριση μεταξύ ανοιχτών βαρών και πλήρους ανοικτότητας.
https://help.mistral.ai/en/articles/347390-does-mistral-disclose-its-training-datasets.

Ευρωπαϊκός Μήνας Κυβερνοασφάλειας: Τι μας λένε τα ανοιχτά δεδομένα για την ασφάλεια στο διαδίκτυο
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για τα Ανοιχτά Δεδομένα

Ο Οκτώβριος είναι ο Ευρωπαϊκός Μήνας Κυβερνοασφάλειας, η ετήσια εκστρατεία της ΕΕ που βοηθά πολίτες και οργανισμούς να προστατεύονται στο διαδίκτυο. Την εκστρατεία συντονίζουν ο Οργανισμός της Ευρωπαϊκής Ένωσης για την Κυβερνοασφάλεια (ENISA) και η Ευρωπαϊκή Επιτροπή, και περιλαμβάνει δράσεις ευαισθητοποίησης και εκδηλώσεις σε όλη την Ευρώπη. Λίγο πριν από την έναρξη της εκστρατείας, την ... Read more

Ψηφιακή παιδεία και ανοικτές τεχνολογίες στην εκπαίδευση
by: ΕΛ/ΛΑΚ: Ελεύθερο Λογισμικό στην Εκπαίδευση

Εισαγωγή

Η ψηφιακή παιδεία πρέπει να ξεκινά από την πρωτοβάθμια εκπαίδευση. Τα παιδιά χρειάζεται να μάθουν έγκαιρα τη σωστή χρήση των ψηφιακών μέσων και της τεχνητής νοημοσύνης (ΤΝ), αλλά και να αναγνωρίζουν τους κινδύνους που απειλούν την υγιή ανάπτυξή τους. Το άρθρο εξετάζει πρώτα τι πρέπει να περιλαμβάνει ένα τέτοιο πρόγραμμα και πώς προστατεύει από τον κοινωνικό αποκλεισμό και τις ψηφιακές απάτες. Στη συνέχεια παρουσιάζει πώς οι ανοικτές τεχνολογίες μπορούν να το κάνουν πιο προσβάσιμο, διαφανές και βιώσιμο.

1. Γιατί να ξεκινήσουμε από το δημοτικό

Η ψηφιακή μάθηση ξεκινά ουσιαστικά από την προσχολική και πρώιμη σχολική ηλικία και πρέπει να συνεχίζεται σε όλη την εκπαιδευτική διαδρομή.
Η υπερβολική ή εσφαλμένη χρήση τεχνολογίας συνδέεται με στέρηση ύπνου, εθισμό και καθιστικό τρόπο ζωής. Γι’ αυτό η εκπαίδευση πρέπει να εστιάζει στην υπεύθυνη χρήση και όχι μόνο στους περιορισμούς.Για παιδιά κάτω των 5 ετών, συστηματική ανασκόπηση συνδέει τον χρόνο οθόνης με χειρότερο ύπνο, αν και η ποιότητα των τεκμηρίων χαρακτηρίζεται πολύ χαμηλή.
Οι στρατηγικές ψηφιακής μάθησης οφείλουν να λαμβάνουν υπόψη και τις πιθανές επιζήμιες επιπτώσεις της πρόωρης ή ανώριμης χρήσης τεχνολογίας στην ανάπτυξη του εγκεφάλου των μικρών παιδιών.Οι κατευθυντήριες γραμμές του ΠΟΥ για παιδιά κάτω των 5 ετών δεν συνιστούν χρόνο οθόνης στο 1 έτος και τον περιορίζουν σε μία ώρα την ημέρα από τα 2 έτη.

2. Τι πρέπει να περιλαμβάνει η ψηφιακή παιδεία στην πρωτοβάθμια

Ένα ολοκληρωμένο πρόγραμμα για το δημοτικό θα έπρεπε να καλύπτει:

Ψηφιακό γραμματισμό: βασικές δεξιότητες χρήσης συσκευών, εφαρμογών και διαδικτύου με κριτική σκέψη.
Ψηφιακή ιθαγένεια: σεβασμό, ευγένεια, αποφυγή εκφοβισμού και κατανόηση των κανόνων του σχολείου, της οικογένειας και της κοινότητας.
Διαδικτυακή ιδιωτικότητα και ασφάλεια: προστασία προσωπικών δεδομένων, ρυθμίσεις απορρήτου, αναγνώριση επικίνδυνων συμπεριφορών και απειλών.
Παραπληροφόρηση και έλεγχο πηγών: εξήγηση της έννοιας της παραπληροφόρησης και, στα μεγαλύτερα παιδιά, τεχνικές διασταύρωσης ειδήσεων.
Ψηφιακή ευεξία και ισορροπία: διαχείριση του χρόνου οθόνης, αναγνώριση συναισθημάτων, υγιείς συνήθειες ύπνου και δραστηριότητας.
Εισαγωγή στην τεχνητή νοημοσύνη: τι είναι, πού τη συναντούν, πώς να τη χρησιμοποιούν βοηθητικά χωρίς να την εμπιστεύονται τυφλά και ποιοι είναι οι βασικοί κίνδυνοι (παραπλανητικό περιεχόμενο, εξάρτηση).

3. Πλαίσιο πολιτικής και πρακτικές κατευθύνσεις

Τα ευρωπαϊκά έγγραφα πολιτικής τονίζουν την ανάγκη για τα εξής, π.χ. τα συμπεράσματα του Συμβουλίου της ΕΕ (Ιούνιος 2025) για την ψυχική υγεία παιδιών και εφήβων στην ψηφιακή εποχή και τα συμπεράσματα του 2022 για την ευεξία στην ψηφιακή εκπαίδευση:

τεκμηριωμένες δράσεις μείωσης της εσφαλμένης ή υπερβολικής χρήσης τεχνολογιών από παιδιά σχολικής ηλικίας, με έμφαση στην εκπαίδευση για υπεύθυνη χρήση·
ενσωμάτωση του αλφαβητισμού στα μέσα, της χρήσης ΤΝ και της ψηφιακής ανθεκτικότητας στα σχολικά προγράμματα, μαζί με συνεχή επιμόρφωση των εκπαιδευτικών και εμπλοκή των γονέων·
προστασία όλων των μαθητών από το ψηφιακό χάσμα και διασφάλιση της ηθικής χρήσης των νέων τεχνολογιών.

4. Η εκπαίδευση αποτρέπει τον κοινωνικό αποκλεισμό

Γεφυρώνει το ψηφιακό χάσμα. Η παροχή ψηφιακών εργαλείων, σύνδεσης και κατάρτισης σε μαθητές από ευάλωτα περιβάλλοντα βοηθά στην πρόληψη του αποκλεισμού και εξασφαλίζει ίσες ευκαιρίες πρόσβασης στην εκπαίδευση και στις υπηρεσίες.
Κάνει το διαδίκτυο ασφαλή χώρο συμμετοχής. Κανείς δεν μπορεί να ενταχθεί πραγματικά σε ένα ανασφαλές ψηφιακό περιβάλλον (εκφοβισμός, κακοποίηση, απάτες, παραπληροφόρηση). Η εκπαίδευση μειώνει αυτούς τους κινδύνους και ενισχύει τη συμμετοχή.
Ενσωματώνει τον ψηφιακό γραμματισμό στο αναλυτικό πρόγραμμα. Η συστηματική διδασκαλία δεξιοτήτων, η πρόσβαση σε ποιοτικούς πόρους και η επιμόρφωση των εκπαιδευτικών ενισχύουν την ψηφιακή ένταξη όλων των μαθητών.

5. Η εκπαίδευση αποτρέπει τις ψηφιακές απάτες

Καλλιέργεια κριτικής σκέψης. Οι σύγχρονες απάτες εκμεταλλεύονται την ψυχολογία (παρορμητικότητα, αγωνία, πλεονεξία, ανάγκη αποδοχής). Τα παιδιά μαθαίνουν να «σταματούν, σκέφτονται, ελέγχουν» πριν κάνουν κλικ ή πληρώσουν.
Πρακτικοί κανόνες ασφαλείας. Δεν στέλνουν χρήματα, κωδικούς ή αρχεία σε αγνώστους, ελέγχουν τους συνδέσμους, μιλούν σε γονέα ή εκπαιδευτικό όταν κάτι φαίνεται ύποπτο και χρησιμοποιούν ισχυρούς κωδικούς και ασφαλείς συσκευές.
Οικονομικός και ψηφιακός αλφαβητισμός. Η κατανόηση των ψηφιακών πληρωμών, των τυχερών παιχνιδιών και των μηχανισμών χειραγώγησης βοηθά τους νέους να κάνουν συνειδητές επιλογές και να αναγνωρίζουν σημάδια απάτης.

6. Χαρακτηριστικά ενός ολοκληρωμένου προγράμματος

Για να πετύχει και στους δύο στόχους (ένταξη και προστασία), η εκπαίδευση πρέπει να είναι:

Διαθεματική και συνεχής: ψηφιακός γραμματισμός, ασφάλεια, ηθική χρήση δεδομένων και ΤΝ και δικαιώματα ενσωματωμένα στο σχολικό πρόγραμμα από την προσχολική έως τη δευτεροβάθμια.
Προσανατολισμένη στην ευημερία: πολιτικές ασφαλούς χρήσης, προαγωγή της ψηφιακής ευεξίας, αντιμετώπιση του εκφοβισμού και της απομόνωσης, συνεργασία σχολείου, οικογένειας και ειδικών.
Πρακτική και βιωματική: διαδραστικές δραστηριότητες, σενάρια απάτης και παραπληροφόρησης, εξάσκηση στο «Stop–Think–Check» και συζήτηση πραγματικών περιστατικών.
Υποστηρικτική για εκπαιδευτικούς και γονείς: τακτική επιμόρφωση, τεχνική υποστήριξη και προγράμματα ψηφιακού γραμματισμού για γονείς και κηδεμόνες.

Ειδική μέριμνα για ευάλωτες ομάδες

Για παιδιά από μειονεκτούντα περιβάλλοντα, η εγγύηση δωρεάν πρόσβασης σε εκπαίδευση, εξοπλισμό και σύνδεση υψηλής ταχύτητας είναι βασική για την αντιμετώπιση του αποκλεισμού.
Για τους ηλικιωμένους και άλλες ομάδες με χαμηλότερο ψηφιακό γραμματισμό, η εκπαίδευση λειτουργεί ως «θωράκιση» απέναντι σε απάτες και αποκλεισμό: αναγνώριση κινδύνου, αποφυγή βιαστικών ενεργειών, γνώση των καναλιών βοήθειας.

7. Ανοικτές τεχνολογίες στην εκπαίδευση

Η χρήση ανοικτών τεχνολογιών είναι ένας πρακτικός και οικονομικά βιώσιμος τρόπος να στηριχθεί η ψηφιακή παιδεία σε όλα τα επίπεδα της εκπαίδευσης.

Τι εννοούμε «ανοικτές τεχνολογίες»

Ανοικτό/ελεύθερο λογισμικό (FOSS): λογισμικό που μπορεί να χρησιμοποιηθεί, να μελετηθεί, να τροποποιηθεί και να διανεμηθεί ελεύθερα (π.χ. LibreOffice, GIMP, Moodle, Linux).
Ανοικτοί Εκπαιδευτικοί Πόροι (OER): διδακτικό υλικό (μαθήματα, βίντεο, ασκήσεις, διαδραστικά αντικείμενα) με άδειες που επιτρέπουν την επαναχρησιμοποίηση και την προσαρμογή.
Ανοικτά πρότυπα και πλατφόρμες: τεχνολογίες βασισμένες σε ανοικτές προδιαγραφές, που διευκολύνουν τη διαλειτουργικότητα, την εξαγωγή δεδομένων και την αποφυγή «κλειδώματος» σε έναν προμηθευτή.
Ανοικτά Μοντέλα ΤΝ (Open-Weight Models): Μοντέλα ΤΝ ανοικτού κώδικα (π.χ. Llama, Mistral, Gemma) που επιτρέπουν την κατανόηση της λειτουργίας τους χωρίς εξάρτηση από κλειστές εμπορικές πλατφόρμες.

Γιατί έχουν αξία για την ψηφιακή παιδεία

Μειώνουν το κόστος και αυξάνουν την πρόσβαση. Τα σχολεία χρησιμοποιούν, προσαρμόζουν και μοιράζονται λογισμικό και περιεχόμενο χωρίς ακριβές άδειες.
Ενισχύουν τη διαφάνεια και την κριτική σκέψη. Μέσω ανοικτών εναλλακτικών (π.χ. Mastodon αντί για κλειστά κοινωνικά δίκτυα) οι μαθητές βλέπουν πώς λειτουργούν οι αλγόριθμοι ταξινόμησης περιεχομένου, καλλιεργώντας ψηφιακό και αλγοριθμικό γραμματισμό.
Επιτρέπουν προσαρμογή στο αναλυτικό πρόγραμμα. Οι εκπαιδευτικοί τροποποιούν λογισμικό και υλικό στις ανάγκες της τάξης, αντί να προσαρμόζονται σε «έτοιμες» λύσεις.
Δημιουργούν κουλτούρα συνεργασίας. Η ανοικτότητα ενθαρρύνει την ανταλλαγή καλών πρακτικών, τη συν-δημιουργία πόρων και τις κοινότητες μάθησης.

7.1. Πρακτικοί τρόποι αξιοποίησης στην τάξη και στο σχολείο

Αντικατάσταση κλειστού λογισμικού με FOSS

Έγγραφα: LibreOffice για επεξεργασία κειμένου, υπολογιστικά φύλλα και παρουσιάσεις.
Γραφικά και πολυμέσα: GIMP, Inkscape και Audacity για εικόνα, διανυσματικά γραφικά και ήχο.
Προγραμματισμός και υπολογιστική σκέψη: Python, Scratch, Thonny και VS Code (βασίζεται σε ανοικτό πυρήνα).
Λειτουργικό σύστημα: διανομές Linux στα εργαστήρια πληροφορικής, για εξοικείωση με εναλλακτικά περιβάλλοντα και έννοιες ασφάλειας και συντήρησης.
Εκπαιδευτική Ρομποτική & STEM: αξιοποίηση πλακετών Arduino και micro:bit με ελεύθερα περιβάλλοντα προγραμματισμού (π.χ. MakeCode, Scratch) για βιωματικά εργαστήρια STEM.

Ανοικτές πλατφόρμες μάθησης και επικοινωνίας

Moodle και Open eClass: εικονικές τάξεις, διαχείριση μαθημάτων, ασύγχρονη και σύγχρονη μάθηση, αξιολόγηση, χωρίς κόστος αδειών.
BigBlueButton, Jitsi, Matrix/Element: ανοικτές λύσεις τηλεδιάσκεψης και συνεργασίας, με έλεγχο των δεδομένων και δυνατότητα φιλοξενίας από το σχολείο ή τον φορέα.

Εθνικά και ευρωπαϊκά αποθετήρια OER

Στην Ελλάδα υπάρχει ήδη υποδομή που μπορεί να αξιοποιηθεί άμεσα:

Φωτόδεντρο (photodentro.edu.gr): εθνική υποδομή με αποθετήρια και συσσωρευτή OER για την πρωτοβάθμια και τη δευτεροβάθμια εκπαίδευση, μαζί με το αποθετήριο ψηφιακών μαθησιακών αντικειμένων του ΥΠΑΙΘ.
e-me: ψηφιακή εκπαιδευτική πλατφόρμα για μαθητές και εκπαιδευτικούς.
OpenCourses (opencourses.gr): κεντρικός κατάλογος μεταδεδομένων OER για την τριτοβάθμια.
Διεθνείς πύλες με καταλόγους FOSS εκπαιδευτικού λογισμικού.

Οι εκπαιδευτικοί μπορούν να αναζητούν, να κατεβάζουν και να προσαρμόζουν έτοιμα σενάρια μαθήματος, διαδραστικά αντικείμενα και πολυμεσικό υλικό, αντί να ξεκινούν από το μηδέν.

Δραστηριότητες πλατφορμικού και αλγοριθμικού γραμματισμού

Σύγκριση ανοικτών και κλειστών κοινωνικών δικτύων (π.χ. Mastodon και κλασικά social media), ώστε οι μαθητές να καταλάβουν πώς ταξινομείται και προωθείται το περιεχόμενο.
Ανάλυση αδειών χρήσης (Creative Commons) και εξάσκηση στην απόδοση πηγής όταν επαναχρησιμοποιούν εικόνες, κείμενα και βίντεο.
Μικρά έργα με ανοικτά εργαλεία: ιστοσελίδα με WordPress, χάρτης με OpenStreetMap, οπτικοποίηση δεδομένων.

7.2. Οφέλη για το εκπαιδευτικό σύστημα

Μείωση της εξάρτησης από προμηθευτές. Τα ανοικτά πρότυπα και το FOSS μειώνουν τον κίνδυνο «vendor lock-in» και αυξάνουν τη μακροπρόθεσμη βιωσιμότητα των επενδύσεων σε ψηφιακή υποδομή.
Καινοτομία και τοπική προσαρμογή. Σχολεία και πανεπιστήμια αναπτύσσουν ή προσαρμόζουν εργαλεία για ειδικές ανάγκες (ειδική αγωγή, τοπική ιστορία, γλώσσα).
Συμβολή στις πολιτικές ανοικτής εκπαίδευσης. Η Ελλάδα συμμετέχει σε ευρωπαϊκές πρωτοβουλίες που προωθούν την ανοικτή και εξ αποστάσεως εκπαίδευση.

Πώς μπορεί να ξεκινήσει ένα σχολείο

Αποτίμηση αναγκών: ποια λογισμικά και υπηρεσίες χρησιμοποιούνται ήδη και πού υπάρχει χώρος για ανοικτές εναλλακτικές.
Πιλοτική φάση: επιλογή 1–2 εργαλείων (π.χ. Moodle και LibreOffice) σε μερικά τμήματα.
Επιμόρφωση εκπαιδευτικών: σεμινάρια για FOSS και OER, άδειες Creative Commons και σχεδιασμό μαθημάτων με ανοικτούς πόρους.
Δημιουργία και συλλογή OER: ομάδες εκπαιδευτικών παράγουν ή προσαρμόζουν υλικό και το ανεβάζουν σε τοπικό αποθετήριο ή στο Φωτόδεντρο.
Αξιολόγηση και κλιμάκωση: συλλογή ανατροφοδότησης από μαθητές και εκπαιδευτικούς και σταδιακή επέκταση σε περισσότερα εργαλεία και τάξεις.

7.3. Ανοικτό λογισμικό ως κίνητρο για τους νέους

Η ενασχόληση με ανοικτές τεχνολογίες λειτουργεί και ως ισχυρό κίνητρο, καθώς δίνει στους νέους τη δυνατότητα να δημιουργούν οι ίδιοι εργαλεία και να χτίζουν από νωρίς το επιστημονικό και επαγγελματικό τους προφίλ.

Γιατί λειτουργεί ως κίνητρο

Συμμετοχή σε πραγματικά έργα. Οι μαθητές και φοιτητές συνεισφέρουν σε έργα που χρησιμοποιούνται παγκοσμίως, αποκτώντας εμπειρία που ξεπερνά τα τυπικά σχολικά projects.
Δημόσιο portfolio. Οι συνεισφορές σε κώδικα, τεκμηρίωση ή σχεδιασμό αποθηκεύονται δημόσια (GitHub, GitLab) και αποτελούν απτή απόδειξη ικανοτήτων για εργοδότες και ερευνητικά εργαστήρια.
Δεξιότητες που ζητά η αγορά. Εξοικείωση με Git, CI/CD, Docker, code review, συνεργασία σε διεθνείς ομάδες και επαγγελματικά πρότυπα ανάπτυξης.
Εσωτερικό κίνητρο. Η δυνατότητα να λύνουν πραγματικά προβλήματα και να βλέπουν τον κώδικά τους να χρησιμοποιείται ενισχύει την αυτοπεποίθηση και το ενδιαφέρον για την επιστήμη και την τεχνολογία.

Πώς μπορεί να το αξιοποιήσει η εκπαίδευση

OSS στα μαθήματα πληροφορικής και STEM: εργασίες όπου οι μαθητές εντοπίζουν bugs, προσθέτουν μικρές λειτουργίες ή βελτιώνουν την τεκμηρίωση υπαρχόντων ανοικτών έργων.
Δομημένα προγράμματα συνεισφοράς, πως το Google Summer of Code (GSoC), με καθοδήγηση και αποζημίωση. Απευθύνεται σε άτομα άνω των 18 ετών (φοιτητές ή αρχάριους στο ανοικτό λογισμικό), οπότε οι μαθητές μπορούν μόνο να προετοιμαστούν γι’ αυτό.
Διαθεματικά projects: ανάλυση δεδομένων με Python, οπτικοποίηση με ανοικτά εργαλεία, δημιουργία εκπαιδευτικού υλικού.
Αναγνώριση της συνεισφοράς στην αξιολόγηση (βαθμοί, βραβεία, πιστοποιήσεις), ώστε να αντιμετωπίζεται ως σοβαρή ακαδημαϊκή και ερευνητική δραστηριότητα.

Οφέλη για τους νέους επιστήμονες

Γέφυρα μεταξύ εκπαίδευσης, έρευνας και βιομηχανίας: πρόσβαση σε δίκτυα ερευνητών και επαγγελματιών, που διευκολύνει τη μετάβαση σε μεταπτυχιακά, υποτροφίες ή θέσεις εργασίας.
Νοοτροπία «επιστήμονα-δημιουργού»: οι μαθητές μαθαίνουν όχι μόνο να καταναλώνουν τεχνολογία αλλά να την κατανοούν, να την τροποποιούν και να την επεκτείνουν.
Υποστήριξη της ανοικτής επιστήμης: το λογισμικό αντιμετωπίζεται ως ερευνητικό αποτέλεσμα και μέσο αναπαραγωγιμότητας.

Συμπέρασμα

Η ψηφιακή παιδεία από το δημοτικό προστατεύει τα παιδιά από κινδύνους και απάτες και ταυτόχρονα περιορίζει τον ψηφιακό αποκλεισμό. Οι ανοικτές τεχνολογίες την κάνουν οικονομικά βιώσιμη, διαφανή και προσαρμόσιμη, ενώ προσφέρουν στους νέους ένα πεδίο δημιουργίας και επαγγελματικής εξέλιξης. Το κρίσιμο στοιχείο είναι η συνέχεια: επιμόρφωση εκπαιδευτικών, εμπλοκή των γονέων και σταδιακή εφαρμογή με πιλοτικά βήματα.

Ενδεικτικες Πηγές

Γιατί οι έμπειροι προγραμματιστές επιλέγουν ανοιχτά μοντέλα Τεχνητής Νοημοσύνης
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για το Ανοιχτό Λογισμικό

Από τον έλεγχο των δεδομένων και το χαμηλότερο κόστος έως την ψηφιακή αυτονομία: πώς τα open-source και open-weight μοντέλα αλλάζουν την ανάπτυξη εφαρμογών στην εκπαίδευση, στο Δημόσιο και στις επιχειρήσεις.

Η Τεχνητή Νοημοσύνη δεν είναι μόνο θέμα επιδόσεων

Η συζήτηση για την Τεχνητή Νοημοσύνη επικεντρώνεται συχνά στο ποιο γλωσσικό μοντέλο απαντά καλύτερα σε ερωτήσεις ή επιτυγχάνει την υψηλότερη βαθμολογία σε μια δοκιμασία αξιολόγησης. Για έναν έμπειρο προγραμματιστή, όμως, το σημαντικότερο ερώτημα είναι διαφορετικό: ποιο μοντέλο μπορεί να ενσωματωθεί αξιόπιστα σε μια πραγματική εφαρμογή, με ελεγχόμενο κόστος, προστασία δεδομένων και δυνατότητα μακροχρόνιας συντήρησης;

Εδώ βρίσκεται ένα βασικό πλεονέκτημα των ανοιχτών μοντέλων. Επιτρέπουν στους οργανισμούς να αποκτήσουν μεγαλύτερο έλεγχο πάνω στην τεχνολογία που χρησιμοποιούν, αντί να εξαρτώνται αποκλειστικά από απομακρυσμένες υπηρεσίες εμπορικών παρόχων.

Η ουσιαστική αλλαγή είναι ότι οι ανοιχτές εναλλακτικές έχουν γίνει αρκετά ισχυρές ώστε να αποτελούν σοβαρή επιλογή για ολοένα περισσότερες παραγωγικές εφαρμογές.

Έξι λόγοι που κάνουν τα ανοιχτά μοντέλα ελκυστικά

Ο πρώτος λόγος είναι ο έλεγχος των δεδομένων. Ένα μοντέλο που λειτουργεί σε υποδομή του οργανισμού μπορεί να επεξεργάζεται εσωτερικά έγγραφα χωρίς να χρειάζεται να τα αποστέλλει σε εξωτερικό πάροχο. Αυτό είναι ιδιαίτερα σημαντικό για πανεπιστήμια, δημόσιες υπηρεσίες, νοσοκομεία και επιχειρήσεις που διαχειρίζονται εμπιστευτικές πληροφορίες. Η τοπική εγκατάσταση δεν εξασφαλίζει αυτομάτως ασφάλεια, αλλά προσφέρει μεγαλύτερο έλεγχο στην πρόσβαση, στην αποθήκευση και στην επεξεργασία.

Ο δεύτερος λόγος είναι η ανεξαρτησία από συγκεκριμένο προμηθευτή. Όταν μια εφαρμογή εξαρτάται αποκλειστικά από ένα εμπορικό API, ενδέχεται να επηρεαστεί από αλλαγές τιμολογίων, περιορισμούς χρήσης ή απόσυρση μοντέλων. Με ανοιχτά βάρη και τυποποιημένες διεπαφές, ο οργανισμός μπορεί να αλλάξει μοντέλο ή πάροχο υποδομής χωρίς να αναπτύξει εξαρχής ολόκληρη την εφαρμογή.

Ο τρίτος λόγος είναι το κόστος. Οι εμπορικές υπηρεσίες χρεώνουν συνήθως ανάλογα με τον όγκο επεξεργασίας. Η λειτουργία ανοιχτών μοντέλων σε ιδιόκτητη ή μισθωμένη υποδομή συνεπάγεται δαπάνες εξοπλισμού, ενέργειας, συντήρησης και προσωπικού, αλλά μπορεί να αποδειχθεί οικονομικότερη όταν υπάρχει σταθερός και μεγάλος όγκος αιτημάτων. Για μικρή ή περιστασιακή χρήση, αντίθετα, ένα εμπορικό API μπορεί να είναι φθηνότερο.

Ο τέταρτος λόγος είναι η προσαρμογή. Με τεχνικές όπως η εξειδικευμένη πρόσθετη εκπαίδευση, η κβάντιση και η ανάκτηση τεκμηριωμένης γνώσης (RAG), ένα μοντέλο μπορεί να προσαρμοστεί σε συγκεκριμένη γλώσσα, επαγγελματικό κλάδο ή διοικητική διαδικασία.

Ο πέμπτος λόγος είναι η δυνατότητα ελέγχου και αναπαραγωγής αποτελεσμάτων. Οι προγραμματιστές μπορούν να διατηρούν συγκεκριμένες εκδόσεις, να εκτελούν επαναλαμβανόμενες δοκιμές και να μετρούν συστηματικά την ποιότητα. Στα πλήρως ανοιχτά μοντέλα, η δημοσίευση του κώδικα εκπαίδευσης, των δεδομένων και των ενδιάμεσων εκδόσεων επιτρέπει ακόμη βαθύτερη επιστημονική αξιολόγηση.

Ο έκτος λόγος είναι η δημιουργία τεχνογνωσίας. Ένας οργανισμός που αναπτύσσει δικές του εφαρμογές αποκτά ικανότητες στη διαχείριση δεδομένων, στην αξιολόγηση μοντέλων και στη λειτουργία υποδομών. Δεν περιορίζεται στον ρόλο του καταναλωτή μιας τεχνολογικής υπηρεσίας.

Ποια ανοιχτά μοντέλα έχουν τις καλύτερες επιδόσεις;

Η ποιότητα των ανοιχτών μοντέλων έχει βελτιωθεί σημαντικά. Οικογένειες όπως οι Qwen, DeepSeek, Kimi, GLM, Llama και Mistral περιλαμβάνουν ισχυρές επιλογές για παραγωγή κώδικα, ανάλυση εγγράφων, μαθηματικό συλλογισμό και πολυγλωσσικές εφαρμογές.

Τα Qwen ξεχωρίζουν για το εύρος μεγεθών και δυνατοτήτων, ενώ τα DeepSeek έχουν αναδείξει την αποτελεσματικότητα αρχιτεκτονικών που ενεργοποιούν μόνο μέρος των παραμέτρων τους ανά αίτημα. Τα Kimi και GLM αποτελούν σημαντικές επιλογές για σύνθετες εργασίες προγραμματισμού και χρήση εργαλείων. Τα Mistral προσφέρουν ευρωπαϊκές επιλογές με διαφορετικές απαιτήσεις υπολογιστικής ισχύος.

Ωστόσο, η διαθεσιμότητα των βαρών δεν σημαίνει ότι κάθε μοντέλο επιτρέπεται να χρησιμοποιηθεί χωρίς περιορισμούς. Οι άδειες χρήσης διαφέρουν και πρέπει να ελέγχονται ανά έκδοση.

Για τη σύγκριση επιδόσεων, οι προγραμματιστές αξιοποιούν δοκιμασίες όπως το SWE-bench Verified για την επίλυση πραγματικών προβλημάτων λογισμικού, το LiveCodeBench για τον προγραμματισμό, το GPQA Diamond για απαιτητικές επιστημονικές ερωτήσεις και το MMLU-Pro για γενικότερη αξιολόγηση γνώσεων και συλλογισμού.

Δεν υπάρχει όμως ένας σταθερός νικητής. Οι κατατάξεις αλλάζουν με τις νέες εκδόσεις, ενώ επηρεάζονται από τις ρυθμίσεις εκτέλεσης, την πρόσβαση σε εργαλεία και τη μεθοδολογία αξιολόγησης.

Ιδιαίτερο ενδιαφέρον παρουσιάζουν τα OLMo του Allen Institute for AI και το ευρωπαϊκό Apertus, επειδή δίνουν μεγαλύτερη έμφαση στη διαφάνεια της ανάπτυξης. Για ερευνητές που θέλουν να μελετήσουν όχι μόνο τι απαντά ένα μοντέλο αλλά και πώς κατασκευάστηκε, η διαφορά είναι καθοριστική.

Από τις δοκιμασίες αξιολόγησης στην πραγματική χρήση

Ένα μοντέλο μπορεί να επιτυγχάνει υψηλή βαθμολογία σε διεθνείς δοκιμασίες και να αποτυγχάνει σε μια πραγματική ελληνική διοικητική διαδικασία. Μπορεί να παράγει σωστό κώδικα, αλλά να μην αναγνωρίζει την ισχύουσα νομοθεσία ή να συγχέει διαφορετικές εγκυκλίους.

Γι’ αυτό οι σοβαρές ομάδες ανάπτυξης αξιολογούν τα μοντέλα με πραγματικά δεδομένα και αντιπροσωπευτικές εργασίες. Μετρούν την ακρίβεια, την τεκμηρίωση, τον χρόνο απόκρισης, την κατανάλωση πόρων, το κόστος ανά ολοκληρωμένη εργασία και τη συχνότητα σφαλμάτων.

Η τεχνική υπεροχή δεν προκύπτει μόνο από το μεγαλύτερο μοντέλο. Συχνά ένα μικρότερο μοντέλο, συνδεδεμένο με αξιόπιστη βάση γνώσης και κατάλληλους μηχανισμούς ελέγχου, είναι αποτελεσματικότερο για μια συγκεκριμένη υπηρεσία.

Εκπαίδευση: η ΤΝ ως υποδομή μάθησης

Στην εκπαίδευση, τα ανοιχτά μοντέλα προσφέρουν μια δυνατότητα που δύσκολα εξασφαλίζεται με αποκλειστικά κλειστές υπηρεσίες: την ανάπτυξη εκπαιδευτικών βοηθών προσαρμοσμένων στο πρόγραμμα σπουδών, στη γλώσσα και στις ανάγκες του εκπαιδευτικού ιδρύματος.

Το δημόσιο ερευνητικό οικοσύστημα του Ai2, με τα OLMo, αποτελεί χαρακτηριστικό παράδειγμα ανοιχτής υποδομής που χρησιμοποιείται στην πραγματική ερευνητική εργασία και στην ανάπτυξη εκπαιδευτικών και επιστημονικών εργαλείων. Αντίστοιχα, η πλατφόρμα Hugging Face παρέχει μοντέλα και εργαλεία που χρησιμοποιούνται σε πανεπιστημιακά εργαστήρια και σε πραγματικές ροές ανάπτυξης.

Εδώ χρειάζεται προσοχή: η παραγωγική χρήση μιας ερευνητικής υποδομής δεν ισοδυναμεί με τεκμηριωμένη καθολική χρήση ενός συγκεκριμένου γλωσσικού μοντέλου μέσα σε σχολικές τάξεις.

Η προοπτική είναι πάντως σαφής. Πανεπιστήμια και σχολεία μπορούν να αναπτύξουν βοηθούς για επεξήγηση εννοιών, δημιουργία ασκήσεων, υποστήριξη προσβασιμότητας και αναζήτηση σε εγκεκριμένο εκπαιδευτικό υλικό, με την ευθύνη της διδασκαλίας να παραμένει στον εκπαιδευτικό.

Δημόσια διοίκηση: η περίπτωση της Γαλλίας

Ένα από τα σημαντικότερα παραδείγματα διεθνώς είναι το Albert, η πρωτοβουλία της γαλλικής δημόσιας διοίκησης για αξιοποίηση παραγωγικής ΤΝ σε δημόσιες υπηρεσίες.

Η προσέγγιση βασίζεται στη δυνατότητα αξιοποίησης ανοιχτών τεχνολογιών, ελεγχόμενης υποδομής και εξειδικευμένης γνώσης για την υποστήριξη δημοσίων υπαλλήλων. Η ανάπτυξη και οι επιμέρους εφαρμογές έχουν διαφορετικά επίπεδα επιχειρησιακής ωριμότητας, επομένως δεν πρέπει να παρουσιάζονται όλες ως καθολικά παραγωγικές υπηρεσίες.

Το παράδειγμα δείχνει ότι η δημόσια διοίκηση μπορεί να αναπτύσσει κοινές υποδομές αντί να προμηθεύεται ανεξάρτητα κλειστούς βοηθούς για κάθε υπουργείο.

Για την Ελλάδα, μια αντίστοιχη προσέγγιση θα μπορούσε να υποστηρίξει τα ΚΕΠ, τους δήμους, τα πανεπιστήμια και τις υπηρεσίες αδειοδότησης, αξιοποιώντας ελληνικά διοικητικά δεδομένα και παραπέμποντας πάντοτε στις επίσημες πηγές.

Επιχειρήσεις: από τον πειραματισμό στην παραγωγή

Στις επιχειρήσεις, το ανοιχτό λογισμικό αποτελεί ήδη τη βάση μεγάλου μέρους των υποδομών ΤΝ. Χαρακτηριστικό παράδειγμα είναι το GitLab Duo Self-Hosted, που επιτρέπει σε οργανισμούς να χρησιμοποιούν δυνατότητες ΤΝ σε ελεγχόμενη υποδομή και, ανάλογα με τη διαμόρφωση, με μοντέλα που διαχειρίζονται οι ίδιοι.

Αντίστοιχα, οι τεχνολογίες vLLM και Hugging Face Text Generation Inference χρησιμοποιούνται για την εξυπηρέτηση μοντέλων σε πραγματικά υπολογιστικά περιβάλλοντα, προσφέροντας δυνατότητες βελτιστοποίησης, παράλληλης επεξεργασίας και διαχείρισης φορτίου.

Η παραγωγική χρήση αυτών των υποδομών είναι τεκμηριωμένη, αλλά δεν αποδεικνύει ότι κάθε επιχείρηση χρησιμοποιεί συγκεκριμένο ανοιχτό μοντέλο. Για την αξιολόγηση μιας επιχειρησιακής εφαρμογής χρειάζονται σαφείς πληροφορίες για το μοντέλο, την έκδοση, την εργασία και το πραγματικό αποτέλεσμα.

Το επιχειρηματικό πλεονέκτημα είναι ιδιαίτερα σημαντικό για μικρομεσαίες επιχειρήσεις που μπορούν να αξιοποιούν εξειδικευμένα μοντέλα χωρίς να εξαρτούν κάθε συναλλαγή από εξωτερικό πάροχο.

Η ευκαιρία για την ελληνική γλώσσα και το GlossAPI

Η ελληνική γλώσσα αποτελεί χαρακτηριστικό παράδειγμα όπου η πραγματική ποιότητα δεν μπορεί να εκτιμηθεί μόνο από διεθνείς βαθμολογίες.

Η κατανόηση διοικητικών εγγράφων, επιστημονικών όρων, ιστορικών πηγών και εξειδικευμένης νομοθεσίας απαιτεί κατάλληλα δεδομένα, ελληνικές δοκιμασίες αξιολόγησης και συστηματική ανθρώπινη επαλήθευση.

Το GlossAPI μπορεί να συμβάλει ακριβώς σε αυτή την κατεύθυνση: στη δημιουργία ανοιχτών ελληνικών συνόλων δεδομένων, στην αξιολόγηση πολυγλωσσικών μοντέλων και στην ανάπτυξη εφαρμογών που λειτουργούν σε δημόσια ελεγχόμενη υποδομή.

Η στρατηγική δεν χρειάζεται να είναι η ανάπτυξη ενός νέου μεγάλου μοντέλου από την αρχή. Μπορεί να βασιστεί στην επιλογή ισχυρών ανοιχτών μοντέλων, στην προσαρμογή τους σε ελληνικά δεδομένα και στη συστηματική σύγκριση με εμπορικές εναλλακτικές.

Το σημαντικότερο συμπέρασμα είναι ότι η αξία της Τεχνητής Νοημοσύνης δεν βρίσκεται μόνο στην ευφυΐα του μοντέλου, αλλά και στον έλεγχο που διατηρεί η κοινωνία πάνω στη χρήση του.

Για την εκπαίδευση, τη δημόσια διοίκηση και τις επιχειρήσεις, τα ανοιχτά μοντέλα δεν αποτελούν απλώς μια οικονομικότερη τεχνολογική επιλογή. Μπορούν να αποτελέσουν τη βάση μιας βιώσιμης ψηφιακής υποδομής, όπου η γνώση, η τεχνολογία και τα οφέλη τους παραμένουν προσβάσιμα σε περισσότερους.

Πηγή άρθρου: glossapi.gr

Γιατί οι έμπειροι προγραμματιστές επιλέγουν ανοιχτά μοντέλα Τεχνητής Νοημοσύνης
by: Glossapi - Ανοικτή Υποδομή για Ελληνικά AI-Ready Δεδομένα

Η Τεχνητή Νοημοσύνη δεν είναι μόνο θέμα επιδόσεων

Έξι λόγοι που κάνουν τα ανοιχτά μοντέλα ελκυστικά

Ποια ανοιχτά μοντέλα έχουν τις καλύτερες επιδόσεις;

Από τις δοκιμασίες αξιολόγησης στην πραγματική χρήση

Εκπαίδευση: η ΤΝ ως υποδομή μάθησης

Δημόσια διοίκηση: η περίπτωση της Γαλλίας

Επιχειρήσεις: από τον πειραματισμό στην παραγωγή

Η ευκαιρία για την ελληνική γλώσσα και το GlossAPI

Πηγές και τεκμηρίωση:

1. Allen Institute for AI, OLMo 2: Παρουσιάζει μια οικογένεια πλήρως ανοιχτών γλωσσικών μοντέλων, με διαθέσιμα δεδομένα εκπαίδευσης, κώδικα, ενδιάμεσες εκδόσεις και μεθοδολογία αξιολόγησης. Αποτελεί ιδιαίτερα σημαντικό παράδειγμα για την επιστημονική αναπαραγωγιμότητα: https://allenai.org/olmo2

2. ETH Zurich, Apertus: Το ευρωπαϊκό πολυγλωσσικό μοντέλο που αναπτύχθηκε με συμμετοχή των EPFL, ETH Zurich και CSCS αποτελεί παράδειγμα διαφανούς ανάπτυξης ΤΝ με έμφαση στην ανοιχτή επιστήμη και στην ευρωπαϊκή τεχνολογική αυτονομία: https://www.swiss-ai.org/apertus

3. DeepSeek AI, DeepSeek-R1: Η τεχνική τεκμηρίωση περιγράφει την αρχιτεκτονική, τις επιδόσεις σε μαθηματικά και συλλογισμό, τις δυνατότητες τοπικής εκτέλεσης και την άδεια MIT για τα βασικά μοντέλα της οικογένειας: https://github.com/deepseek-ai/DeepSeek-R1

4. Alibaba Qwen, Qwen Models: Το αποθετήριο της οικογένειας Qwen παρουσιάζει πολυγλωσσικά μοντέλα, εργαλεία ανάπτυξης και τεχνικές πληροφορίες για αξιολόγηση και εγκατάσταση. Οι άδειες και οι επιδόσεις πρέπει να εξετάζονται ανά έκδοση: https://github.com/QwenLM/Qwen3

5. Mistral AI, Model Documentation: Η τεχνική τεκμηρίωση των ευρωπαϊκών μοντέλων Mistral περιλαμβάνει τις διαθέσιμες οικογένειες, τις δυνατότητες ανάπτυξης και τις διαφορές ανάμεσα σε ανοιχτές και εμπορικές εκδόσεις: https://docs.mistral.ai/

6. SWE-bench, Software Engineering Benchmark: Αξιολογεί την ικανότητα μοντέλων και συστημάτων ΤΝ να επιλύουν πραγματικά προβλήματα λογισμικού από αποθετήρια GitHub. Είναι ιδιαίτερα χρήσιμο για συγκρίσεις προγραμματιστικών βοηθών: https://www.swebench.com/

7. LiveCodeBench, Code Generation Benchmark: Παρέχει μεθοδολογία αξιολόγησης προγραμματισμού με νεότερα προβλήματα, περιορίζοντας ορισμένες μορφές διαρροής δεδομένων αξιολόγησης στην εκπαίδευση μοντέλων: https://livecodebench.github.io/

8. Etalab, Albert for French Public Administration: Το δημόσιο αποθετήριο του γαλλικού έργου Albert τεκμηριώνει την ανάπτυξη βοηθού που αξιοποιεί επίσημες διοικητικές πηγές για την υποστήριξη δημοσίων υπαλλήλων: https://github.com/etalab-ia/franceservices-backend

9. GitLab, Duo Self-Hosted Models and Hardware Requirements: Η επίσημη τεκμηρίωση παρουσιάζει τις επιλογές αυτοφιλοξενίας, τα υποστηριζόμενα μοντέλα και τις απαιτήσεις υποδομής για την ενσωμάτωση ΤΝ σε επιχειρησιακές διαδικασίες ανάπτυξης λογισμικού: https://docs.gitlab.com/administration/gitlab_duo_self_hosted/supported_models_and_hardware_requirements/

10. vLLM Project, Production Stack: Παρέχει τεχνική τεκμηρίωση για ανάπτυξη και λειτουργία γλωσσικών μοντέλων σε υποδομές Kubernetes, με μηχανισμούς κλιμάκωσης, παρακολούθησης και βελτιστοποίησης: https://github.com/vllm-project/production-stack

11. Hugging Face, Open LLM Leaderboard: Αποτελεί σημείο αναφοράς για τη συγκριτική αξιολόγηση ανοιχτών μοντέλων. Οι βαθμολογίες πρέπει να διαβάζονται μαζί με την έκδοση της δοκιμασίας, τη μεθοδολογία και την ημερομηνία των αποτελεσμάτων: https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard.

Η ψηφιακή περίφραξη των κοινών: Από το ανοιχτό διαδίκτυο στα ψηφιακά φέουδα
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για τα Ανοιχτά Πρότυπα

Στην αγγλική ύπαιθρο του 18ου αιώνα, μια σειρά από νομοθετικές πράξεις άλλαξε για πάντα τη μορφή της κοινωνίας: ήταν οι λεγόμενες «περιφράξεις» (enclosures). Με αυτές, οι κοινές γαίες – οι εκτάσεις όπου οι χωρικοί βοσκούσαν ελεύθερα τα ζώα τους, υλοτομούσαν και καλλιεργούσαν για γενιές – αφαιρέθηκαν από τη συλλογική χρήση, περιφράχτηκαν με συρματοπλες «περιφράξεις» (enclosures). Με αυτές, οι κοινές γαίες – οι εκτάσεις όπου οι χωρικοί βοσκούσαν ελεύθερα τα ζώα τους, υλοτομούσαν και καλλιεργούσαν για γενιές – αφαιρέθηκαν από τη συλλογική χρήση, περιφράχτηκαν με συρματοπλέγματα και μετατράπηκαν σε ιδιωτική ιδιοκτησία λίγων μεγαλο-γαιοκτημόνέγματα και μετατράπηκαν σε ιδιωτική ιδιοκτησία λίγων μεγαλο-γαιοκτημόνων.
Η αλλαγή αυτή δεν στερούσε απλώς τη γη· υποχρέωνε τους ανθρώπους να μετατραπούν από αυτόνομους παραγωγούς, σε εξαρτημένους εργάτες.

Ακριβώς η ίδια διαδικασία επαναλήφθηκε – σιωπηλά και σταδιακά – στον ψηφιακό κόσμο.

Το πρώιμο Διαδίκτυο λειτούργησε ως ένας ψηφιακός κοινός τόπος. Ήταν ένας χώρος δομημένος πάνω σε ανοιχτά πρωτόκολλα – όπως το HTTP, το email, το IRC και αργότερα τα RSS feeds. Στον χώρο αυτόν, οποιοσδήποτε μπορούσε να στήσει τη δική του προσωπική ιστοσελίδα, να διατηρήσει ένα ιστολόγιο ή να συμμετάσχει σε ένα φόρουμ. Κανένας εταιρικός κολοσσός δεν κατείχε τις γραμμές επικοινωνίας, ούτε καθόριζε πως ή που θα εκφραστεί ο κάθε χρήστης.

Σήμερα, η ανοιχτή αυτή έκταση έχει κατατμηθεί και περιφραχτεί. Ο ψηφιακός δημόσιος χώρος μετατοπίστηκε βίαια μέσα στα τείχη τεσσάρων ή πέντε πολυεθνικών εταιρειών.

Οι σύγχρονες πλατφόρμες κοινωνικής δικτύωσης δεν σχεδιάστηκαν ως απλά εργαλεία επικοινωνίας· σχεδιάστηκαν ως περιφραγμένα οικοσυστήματα.

Μέσα σε αυτά τα τείχη, διαμορφώνεται μια νέα μορφή ψηφιακής φεουδαρχίας:

Η απώλεια της ιδιοκτησίας: Ο χρήστης δεν κατέχει το περιεχόμενό του, τη λίστα των επαφών του, ούτε καν την ψηφιακή του ταυτότητα. Αν μια εταιρεία αποφασίσει να κλείσει έναν λογαριασμό ή να αλλάξει τους όρους χρήσης, χρόνια δημιουργίας και αλληλεπίδρασης εξαφανίζονται ακαριαία.
Η δωρεάν παραγωγή υπεραξίας: Όπως οι δουλοπάροικοι τού μεσαίωνα καλλιεργούσαν τη γη του φεουδάρχη αποδίδοντας το μεγαλύτερο μέρος της σοδειάς, έτσι και οι χρήστες παράγουν καθημερινά το περιεχόμενο, τα δεδομένα και την αλληλεπίδραση που τροφοδοτούν τις πλατφόρμες. Ο «ψηφιακός φεουδάρχης» εισπράττει το κέρδος μέσω διαφημίσεων και αλγοριθμικής επιτήρησης.
Το φαινόμενο του δικτύου ως αόρατη περίφραξη: Το κλασικό επιχείρημα των εταιρειών είναι: «Αν δεν σου αρέσει, μπορείς να φύγεις». Όμως, όταν όλη η κοινωνική, επαγγελματική και πολιτισμική ζωή έχει μεταφερθεί εντός των τειχών, η αποχώρηση ισοδυναμεί με κοινωνική απομόνωση. Αυτό το «φαινόμενο του δικτύου» (network effect) είναι το σύγχρονο συρματόπλεγμα.

Η αλγοριθμική παραμόρφωση της δημόσιας σφαίρας:

Όταν ο δημόσιος διάλογος διεξάγεται σε ιδιωτικούς χώρους που αποσκοπούν στο κέρδος, η ίδια η φύση της επικοινωνίας αλλοιώνεται:

Από την ιδέα στο συναίσθημα-εμπόρευμα: Ο αλγόριθμος δεν προωθεί την ανάλυση που απαιτεί σκέψη, αλλά την ανάρτηση που προκαλεί οργή, πόλωση και εξάρτηση. Στόχος δεν είναι η ενημέρωση, αλλά η διατήρηση τού χρήστη στην οθόνη για όσο περισσότερο χρόνο γίνεται.
Ο θάνατος των ανοιχτών υποδομών: Τα RSS feeds – που επέτρεπαν στον καθένα να διαβάζει τις ειδήσεις που επιλέγει χωρίς διαμεσολαβητές – αντικαταστάθηκαν από τα αλγοριθμικά feeds. Τα ανοιχτά φόρουμ αντικαταστάθηκαν από κλειστές ομάδες. Η προσωπική ιστοσελίδα αντικαταστάθηκε από ένα τυποποιημένο προφίλ.

Όταν η ελευθερία της έκφρασης ασκείται μέσα σε ιδιωτικά ψηφιακά φέουδα, παύει να είναι θεμελιώδες δικαίωμα. Μετατρέπεται σε μια προσωρινή άδεια χρήσης, η οποία ανακαλείται μόλις θιγούν τα εταιρικά συμφέροντα.

Επαναφορά των κοινών: Δρόμοι για την ψηφιακή χειραφέτηση:

Η απάντηση στην περίφραξη – μάντρωμα, το αποκαλώ εγώ – δεν μπορεί να είναι ούτε η παραίτηση, ούτε η παθητική αποδοχή των όρων των πολυεθνικών. Όπως στην ιστορία η κατάργηση των κοινών γαιών συνάντησε την αντίσταση των τοπικών κοινωνιών, έτσι και στον ψηφιακό χώρο αναπτύσσονται υποδομές που αμφισβητούν την εταιρική κυριαρχία.

☞ Η διέξοδος στηρίζεται σε τρεις βασικούς πυλώνες:

Το Ομοσπονδιακό Δίκτυο (Fediverse) και τα ανοιχτά πρωτόκολλα: Εφαρμογές που βασίζονται στο ανοιχτό πρότυπο ActivityPub (όπως το Mastodon, το Pixelfed, το PeerTube και το Lemmy) αποδεικνύουν ότι η κοινωνική δικτύωση μπορεί να υπάρξει χωρίς κεντρικό «αφεντικό». Στο Fediverse δεν υπάρχει ένας αλγόριθμος που αποφασίζει τι ή πώς θα το δεις, ούτε μια εταιρεία που κατέχει τα δεδομένα σου. Κάθε κοινότητα τρέχει τον δικό της διακομιστή, ενώ όλοι οι διακομιστές μπορούν να επικοινωνούν μεταξύ τους ελεύθερα.
Η επιστροφή στον προσωπικό χώρο και την αυτοφιλοξενία: Η διατήρηση ενός προσωπικού ιστολογίου, η χρήση RSS feeds για την παρακολούθηση της επικαιρότητας και η φιλοξενία δικών μας υπηρεσιών (όπως το Nextcloud για τα αρχεία μας) δεν είναι απλώς τεχνικά χόμπι. Είναι πράξεις ανάκτησης της ψηφιακής μας κυριότητας. Μετατρέπουν τον χρήστη από ενοικιαστή ξένων υποδομών σε ιδιοκτήτη του ψηφιακού του σπιτιού.
Η διεκδίκηση της τεχνολογίας ως δημόσιου αγαθού: Η ψηφιακή υποδομή της κοινωνίας πρέπει να αντιμετωπίζεται όπως οι δρόμοι, η ύδρευση και τα σχολεία: ως δημόσιο αγαθό που χρηματοδοτείται από την κοινωνία και επιστρέφει σε αυτήν με ανοιχτό κώδικα (Δημόσιο Χρήμα, Δημόσιος Κώδικας).

Το ζήτημα της ψηφιακής αυτονομίας δεν είναι θέμα ατομικής «καταναλωτικής επιλογής». Είναι ζήτημα δημοκρατίας, συλλογικής μνήμης και προστασίας της δημόσιας σφαίρας από την εμπορευματοποίηση.

Εφικτά βήματα – Από τη θεωρία στην καθημερινή πράξη:

Πώς σπάμε λοιπόν τα τείχη στην καθημερινότητά μας;

Ξεκινούμε από τα ανοιχτά πρότυπα: Αντικαθιστούμε σταδιακά τις κλειστές πλατφόρμες με εναλλακτικές του Fediverse ή αυτόνομες λύσεις.
Υποστηρίζουμε τις ανεξάρτητες κοινότητες: Στηρίζουμε εγχειρήματα που φιλοξενούν ανοιχτούς διακομιστές, συλλογικότητες ελεύθερου λογισμικού και ανεξάρτητα μέσα ενημέρωσης.
Καλλιεργούμε την κριτική ψηφιακή παιδεία: Μαθαίνουμε να διακρίνουμε τη διαφορά ανάμεσα σε μια υπηρεσία που μας προσφέρεται ως «δωρεάν» προϊόν και σε μια υποδομή που σχεδιάστηκε για να σέβεται την αυτονομία μας.

Πηγές & Αυτόνομες Πλατφόρμες:

ActivityPub Protocol (w3.org): Το επίσημο πρότυπο της W3C για την αποκεντρωμένη κοινωνική δικτύωση.
The Fediverse Project (fediverse.info): Εισαγωγή στο ομοσπονδιακό δίκτυο και στις αυτόνομες εφαρμογές του.
Δημόσιο Χρήμα, Δημόσιος Κώδικας (osarena.org)
Σχολή της Φρανκφούρτης & Κριτική Θεωρία (el.wikipedia.org): Η θεωρητική βάση για την κριτική του εργαλειακού λόγου και της εμπορευματοποίησης.

Η περίφραξη του διατηρητέου ψηφιακού μας χώρου δεν είναι αναπόδραστη. Όσο θυμόμαστε ότι το Διαδίκτυο κατασκευάστηκε ως κοινός τόπος, τόσο θα έχουμε τη δυνατότητα να γκρεμίζουμε τα εταιρικά τείχη και να επιστρέφουμε στην ελευθερία των ανοιχτών υποδομών.

Πηγή άρθρου: https://osarena.org/

Απόσταξη μοντέλων Τεχνητής Νοημοσύνης
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για τα Ανοιχτά Πρότυπα

Πώς η γνώση μεγάλων μοντέλων μεταφέρεται σε μικρότερα και αποδοτικότερα

Η απόσταξη γνώσης (Knowledge Distillation) επιτρέπει την ανάπτυξη μικρότερων μοντέλων Τεχνητής Νοημοσύνης, με χαμηλότερες απαιτήσεις σε υπολογιστικούς πόρους. Πώς λειτουργεί, ποια είναι τα τεχνικά όριά της και γιατί αποτελεί σημαντική τεχνολογία για την ανοιχτή ΤΝ, την έρευνα και την ψηφιακή αυτονομία της Ευρώπης;

Τι είναι η απόσταξη γνώσης στην Τεχνητή Νοημοσύνη;

Η ανάπτυξη μεγάλων γλωσσικών μοντέλων Τεχνητής Νοημοσύνης απαιτεί τεράστιες ποσότητες δεδομένων, εξειδικευμένους επεξεργαστές και σημαντική κατανάλωση ενέργειας. Ωστόσο, πολλές εφαρμογές δεν χρειάζονται ένα μοντέλο εκατοντάδων δισεκατομμυρίων παραμέτρων. Χρειάζονται ένα μικρότερο μοντέλο που να εκτελεί συγκεκριμένες εργασίες με επαρκή ακρίβεια, ταχύτητα και αξιοπιστία.

Εδώ αποκτά ιδιαίτερη σημασία η απόσταξη γνώσης (Knowledge Distillation), μια τεχνική μηχανικής μάθησης με την οποία ένα ισχυρότερο μοντέλο, ο «δάσκαλος» (teacher), χρησιμοποιείται για την εκπαίδευση ενός μικρότερου μοντέλου, του «μαθητή» (student).

Ο στόχος δεν είναι η αντιγραφή του μεγάλου μοντέλου, αλλά η μεταφορά μέρους της συμπεριφοράς και των ικανοτήτων του σε ένα μοντέλο που απαιτεί λιγότερη μνήμη, μικρότερη υπολογιστική ισχύ και χαμηλότερο λειτουργικό κόστος.

Η τεχνική δεν είναι καινούργια. Η σύγχρονη διατύπωσή της καθιερώθηκε το 2015 με την εργασία των Geoffrey Hinton, Oriol Vinyals και Jeff Dean. Με την εξάπλωση των μεγάλων γλωσσικών μοντέλων απέκτησε νέες δυνατότητες, καθώς επιτρέπει την αξιοποίηση της συμπεριφοράς ισχυρών μοντέλων για την εκπαίδευση μικρότερων.

Πώς πραγματοποιείται η απόσταξη ενός μοντέλου;

Η διαδικασία αρχίζει με την επιλογή ενός μοντέλου-δασκάλου, το οποίο παρουσιάζει υψηλή απόδοση στις εργασίες που ενδιαφέρουν τους ερευνητές. Μπορεί να είναι ένα μεγάλο γλωσσικό μοντέλο γενικής χρήσης ή ένα εξειδικευμένο μοντέλο για μαθηματικά, προγραμματισμό, νομικά κείμενα ή επιστημονική ανάλυση.

Στη συνέχεια δημιουργείται ένα σύνολο δεδομένων εκπαίδευσης. Το μοντέλο-δάσκαλος επεξεργάζεται ερωτήσεις, έγγραφα ή προβλήματα και παράγει απαντήσεις που χρησιμοποιούνται ως παραδείγματα για το μικρότερο μοντέλο.

Στην κλασική απόσταξη γνώσης, ο μαθητής εκπαιδεύεται ώστε να προσεγγίζει τις κατανομές πιθανοτήτων που παράγει ο δάσκαλος. Αυτές περιέχουν περισσότερη πληροφορία από μια απλή ένδειξη σωστής ή λανθασμένης απάντησης. Η τεχνική συχνά χρησιμοποιεί μια παράμετρο θερμοκρασίας (temperature), ώστε να αναδεικνύονται οι σχετικές πιθανότητες διαφορετικών απαντήσεων.

Στα σύγχρονα γλωσσικά μοντέλα χρησιμοποιείται επίσης η απόσταξη μέσω παραγόμενων απαντήσεων. Ο μαθητής εκπαιδεύεται πάνω σε κείμενα που έχει δημιουργήσει ο δάσκαλος, ακόμη και όταν δεν υπάρχει πρόσβαση στις εσωτερικές πιθανότητες ή στις παραμέτρους του.

Μια πιο σύνθετη εκδοχή αξιοποιεί παραδείγματα συλλογιστικής, ενδιάμεσα βήματα επίλυσης προβλημάτων και επαληθευμένες τελικές απαντήσεις. Έτσι, το μικρότερο μοντέλο μπορεί να μάθει αποτελεσματικότερες στρατηγικές επίλυσης, χωρίς αυτό να σημαίνει ότι αποκτά όλες τις ικανότητες του μεγαλύτερου.

Ακολουθούν η εκπαίδευση, ο έλεγχος σε ανεξάρτητα δεδομένα και η αξιολόγηση της συμπεριφοράς του νέου μοντέλου. Ιδιαίτερη σημασία έχουν η ακρίβεια, η αξιοπιστία, η ανθεκτικότητα σε ασυνήθιστες εισόδους και η δυνατότητα γενίκευσης πέρα από τα παραδείγματα εκπαίδευσης.

Τι κερδίζουμε και τι χάνουμε;

Το βασικό πλεονέκτημα της απόσταξης είναι ότι ένα μικρότερο μοντέλο μπορεί να προσεγγίσει την απόδοση ενός μεγαλύτερου σε επιλεγμένες εργασίες, με σημαντικά μικρότερες απαιτήσεις κατά τη χρήση του.

Αυτό διευκολύνει την εγκατάσταση μοντέλων σε πανεπιστημιακά εργαστήρια, μικρές επιχειρήσεις, δημόσιες υπηρεσίες, προσωπικούς υπολογιστές και τοπικούς εξυπηρετητές. Περιορίζει επίσης την ανάγκη διαρκούς επικοινωνίας με απομακρυσμένες υπηρεσίες ΤΝ, προσφέροντας περισσότερες δυνατότητες προστασίας δεδομένων.

Υπάρχουν όμως περιορισμοί. Ένα μικρό μοντέλο μπορεί να παρουσιάζει υψηλή απόδοση στο αντικείμενο για το οποίο εκπαιδεύτηκε, αλλά να υστερεί σε άγνωστες εργασίες, σύνθετη συλλογιστική ή εξειδικευμένη γνώση. Επιπλέον, μπορεί να κληρονομήσει σφάλματα, προκαταλήψεις και ανακριβείς απαντήσεις του δασκάλου.

Η απόσταξη δεν πρέπει να συγχέεται με την κβαντοποίηση, η οποία μειώνει την αριθμητική ακρίβεια αποθήκευσης των παραμέτρων, ούτε με το κλάδεμα παραμέτρων, που αφαιρεί επιλεγμένα στοιχεία ενός νευρωνικού δικτύου. Πρόκειται για διαφορετικές τεχνικές, οι οποίες μπορούν να συνδυαστούν.

Από τη θεωρία στην πράξη: DeepSeek και μικρότερα μοντέλα

Ένα χαρακτηριστικό παράδειγμα είναι η οικογένεια DeepSeek-R1-Distill. Οι δημιουργοί της χρησιμοποίησαν δεδομένα συλλογιστικής από το DeepSeek-R1 για να εκπαιδεύσουν μικρότερα μοντέλα, βασισμένα σε αρχιτεκτονικές Qwen και Llama, με μεγέθη από 1,5 έως 70 δισεκατομμύρια παραμέτρους.

Τα αποτελέσματα έδειξαν ότι η απόσταξη μπορεί να μεταφέρει σημαντικές ικανότητες επίλυσης μαθηματικών και προγραμματιστικών προβλημάτων σε μικρότερα μοντέλα. Δεν αποδεικνύουν όμως ότι τα μοντέλα αυτά είναι ισοδύναμα με το αρχικό σε κάθε εργασία.

Αντίστοιχα, η έρευνα γύρω από τα DistilBERT και MiniLM είχε ήδη αποδείξει ότι η απόσταξη μπορεί να δημιουργήσει συμπαγή γλωσσικά μοντέλα με ανταγωνιστικές επιδόσεις και μειωμένο υπολογιστικό κόστος.

Ανοιχτά μοντέλα, άδειες χρήσης και ψηφιακή αυτονομία

Η απόσταξη αποκτά ιδιαίτερη σημασία για την ευρωπαϊκή στρατηγική ανάπτυξης ανοιχτής Τεχνητής Νοημοσύνης.

Η πρόσβαση σε ανοιχτά βάρη μοντέλων επιτρέπει την τοπική εγκατάσταση και προσαρμογή τους. Δεν εξασφαλίζει όμως από μόνη της πρόσβαση στα αρχικά δεδομένα, στον κώδικα εκπαίδευσης ή στο δικαίωμα ανεμπόδιστης επαναχρησιμοποίησης.

Επιπλέον, όταν χρησιμοποιείται εμπορικό μοντέλο ως δάσκαλος, πρέπει να εξετάζονται οι συμβατικοί περιορισμοί χρήσης των αποτελεσμάτων του, οι άδειες των δεδομένων και τα δικαιώματα τρίτων. Η τεχνική δυνατότητα απόσταξης δεν συνεπάγεται αυτομάτως και νομική άδεια.

Για τα ευρωπαϊκά πανεπιστήμια και τους δημόσιους οργανισμούς, η προτεραιότητα πρέπει να είναι η ανάπτυξη μικρότερων, ελέγξιμων μοντέλων με τεκμηριωμένη προέλευση δεδομένων, σαφείς άδειες χρήσης, δημοσιευμένες μεθόδους αξιολόγησης και δυνατότητα ανεξάρτητης αναπαραγωγής των αποτελεσμάτων.

Μια ευκαιρία για την ελληνική γλώσσα και τη δημόσια διοίκηση

Στην Ελλάδα, η απόσταξη μπορεί να αξιοποιηθεί για τη δημιουργία εξειδικευμένων ελληνόγλωσσων μοντέλων που υποστηρίζουν την αναζήτηση νομοθεσίας, την ταξινόμηση διοικητικών εγγράφων, την εξυπηρέτηση πολιτών και την επεξεργασία επιστημονικού περιεχομένου.

Πρωτοβουλίες ανάπτυξης ελληνικών γλωσσικών πόρων, όπως το GlossAPI, μπορούν να συνεισφέρουν με κατάλληλα επιλεγμένα, καθαρισμένα και νόμιμα διαθέσιμα δεδομένα. Μεγάλα ανοιχτά μοντέλα μπορούν να λειτουργήσουν ως δάσκαλοι, ενώ μικρότερα μοντέλα μπορούν να εγκαθίστανται τοπικά σε πανεπιστήμια, δήμους και δημόσιους φορείς.

Για εφαρμογές που αφορούν δικαιώματα και διοικητικές αποφάσεις, η απόσταξη πρέπει να συνδυάζεται με αναζήτηση σε έγκυρες πηγές, συστηματική αξιολόγηση και ανθρώπινη εποπτεία.

Το ουσιαστικό ζητούμενο δεν είναι να δημιουργήσουμε απλώς μικρότερα μοντέλα, αλλά να καταστήσουμε την Τεχνητή Νοημοσύνη οικονομικά προσιτή, τεχνικά ελέγξιμη και διαθέσιμη ως κοινή ψηφιακή υποδομή. Η απόσταξη γνώσης μπορεί να αποτελέσει σημαντικό εργαλείο προς αυτή την κατεύθυνση, εφόσον συνοδεύεται από ανοιχτά πρότυπα, διαφανείς διαδικασίες και πραγματική δυνατότητα επαναχρησιμοποίησης της τεχνολογίας.

Επιστημονικές πηγές:

1. Geoffrey Hinton, Oriol Vinyals και Jeff Dean, Distilling the Knowledge in a Neural Network (2015): Η θεμελιώδης επιστημονική εργασία που καθιέρωσε τη σύγχρονη προσέγγιση της απόσταξης γνώσης. Εξηγεί πώς οι προβλέψεις ισχυρών νευρωνικών δικτύων μπορούν να χρησιμοποιηθούν για την εκπαίδευση μικρότερων και αποδοτικότερων μοντέλων. https://arxiv.org/abs/1503.02531

2. Hugging Face, DistilBERT: A Distilled Version of BERT (2019): Ένα από τα σημαντικότερα πρακτικά παραδείγματα απόσταξης γλωσσικού μοντέλου. Οι ερευνητές πέτυχαν μείωση μεγέθους κατά 40%, διατηρώντας περίπου το 97% της απόδοσης του αρχικού μοντέλου στις συγκεκριμένες δοκιμές γλωσσικής κατανόησης. https://arxiv.org/abs/1910.01108

3. DeepSeek-AI, DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning (2025): Η τεχνική δημοσίευση περιγράφει την ανάπτυξη του DeepSeek-R1 και τη δημιουργία έξι μικρότερων μοντέλων μέσω απόσταξης, με μεγέθη από 1,5 έως 70 δισεκατομμύρια παραμέτρους. Αποτελεί σημαντικό παράδειγμα μεταφοράς ικανοτήτων συλλογιστικής σε μικρότερα γλωσσικά μοντέλα. https://arxiv.org/abs/2501.12948

4. Xiaohan Xu και συνεργάτες, A Survey on Knowledge Distillation of Large Language Models (2024): Συστηματική επιστημονική επισκόπηση των μεθόδων απόσταξης μεγάλων γλωσσικών μοντέλων, με έμφαση στη μεταφορά γνώσης, στην εξειδίκευση για συγκεκριμένες εργασίες, στην παραγωγή δεδομένων εκπαίδευσης και στις δυνατότητες ανάπτυξης μικρότερων ανοιχτών μοντέλων. https://arxiv.org/abs/2402.13116

5. Chuanpeng Yang και συνεργάτες, Survey on Knowledge Distillation for Large Language Models: Methods, Evaluation, and Application (2024): Αναλυτική επισκόπηση των τεχνικών απόσταξης, με διάκριση μεταξύ μεθόδων που απαιτούν πρόσβαση στο εσωτερικό του μοντέλου και μεθόδων που χρησιμοποιούν μόνο τις εξόδους του. Εξετάζει επίσης τις διαδικασίες αξιολόγησης, τις πρακτικές εφαρμογές και τα ανοιχτά ερευνητικά προβλήματα. https://arxiv.org/abs/2407.01885

ArtCraft: Ένα ενδιαφέρον πείραμα…
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για το Ανοιχτό Λογισμικό

Το ArtCraft επιχειρεί να μετατρέψει την παραγωγή εικόνων και βίντεο με Τεχνητή Νοημοσύνη από μια διαδικασία διατύπωσης εντολών σε ένα δημιουργικό περιβάλλον όπου ο άνθρωπος ελέγχει το αποτέλεσμα. Παρότι δημοσιεύει τον πηγαίο κώδικά του, δεν αποτελεί λογισμικό ανοιχτού κώδικα. Η προσέγγισή του, ωστόσο, προσφέρει σημαντικά διδάγματα για την ανάπτυξη ανοιχτών εφαρμογών, τη βιωσιμότητα των κοινοτήτων και την ψηφιακή αυτονομία.

Από την παραγωγή εικόνων στον έλεγχο της δημιουργίας

Η ανάπτυξη της Τεχνητής Νοημοσύνης έχει καταστήσει δυνατή τη δημιουργία εικόνων, βίντεο και τρισδιάστατων αντικειμένων μέσω απλών περιγραφών σε φυσική γλώσσα. Ωστόσο, η ευκολία αυτή συνοδεύεται από έναν σημαντικό περιορισμό: ο δημιουργός συχνά δεν ελέγχει με ακρίβεια τη σύνθεση, τη θέση των αντικειμένων, τη συμπεριφορά των χαρακτήρων ή τη συνέπεια μεταξύ διαφορετικών σκηνών.

Το ArtCraft επιχειρεί να αντιμετωπίσει ακριβώς αυτό το πρόβλημα. Πρόκειται για ένα περιβάλλον δημιουργικής εργασίας που συνδυάζει εργαλεία δισδιάστατης και τρισδιάστατης σύνθεσης με μοντέλα παραγωγικής ΤΝ.

Αντί ο χρήστης να περιγράφει επανειλημμένα τι επιθυμεί, μπορεί να τοποθετεί αντικείμενα, να οργανώνει σκηνές, να καθορίζει τη θέση της κάμερας και να χρησιμοποιεί την ΤΝ για την παραγωγή του τελικού αποτελέσματος. Η εφαρμογή επιδιώκει να συνδυάσει την ευελιξία των δημιουργικών εργαλείων με τις δυνατότητες των σύγχρονων μοντέλων.

Το ενδιαφέρον στοιχείο δεν είναι απλώς η ενσωμάτωση πολλών μοντέλων εικόνας και βίντεο. Είναι η μετατόπιση από την ΤΝ που παράγει περιεχόμενο με περιορισμένη καθοδήγηση προς την ΤΝ που λειτουργεί ως εργαλείο στα χέρια του δημιουργού.

Γιατί αποτελεί ενδιαφέρον τεχνολογικό πείραμα

Το ArtCraft εξερευνά μια διαφορετική αρχιτεκτονική δημιουργικών εφαρμογών. Το περιβάλλον εργασίας διαχωρίζεται από τα μοντέλα που εκτελούν την παραγωγή περιεχομένου, επιτρέποντας τη συνεργασία με διαφορετικούς παρόχους.

Αυτή η προσέγγιση είναι σημαντική επειδή η αξία μιας εφαρμογής ΤΝ δεν βρίσκεται αποκλειστικά στο ίδιο το μοντέλο. Βρίσκεται επίσης στη διεπαφή, στη διαχείριση της δημιουργικής διαδικασίας, στην επαναληψιμότητα των αποτελεσμάτων και στη δυνατότητα συνδυασμού διαφορετικών τεχνολογιών.

Η χρήση εργαλείων σύνθεσης σκηνών πριν από την παραγωγή εικόνας μπορεί να περιορίσει τις αλλεπάλληλες δοκιμές, αν και το πραγματικό όφελος σε χρόνο και υπολογιστικό κόστος χρειάζεται ανεξάρτητη αξιολόγηση.

Το πείραμα αναδεικνύει επίσης τη σημασία της ανεξαρτησίας από έναν συγκεκριμένο πάροχο ΤΝ. Η δυνατότητα επιλογής μοντέλου αποτελεί ουσιαστικό πλεονέκτημα, ακόμη και όταν ορισμένες υπηρεσίες παραμένουν εμπορικές ή απαιτούν πρόσβαση σε εξωτερικές υποδομές.

Γιατί το ArtCraft δεν είναι ανοιχτό λογισμικό

Το ArtCraft διαθέτει δημόσιο αποθετήριο στο GitHub, επιτρέπει την εξέταση του κώδικα και παρέχει δυνατότητες τροποποίησης και μεταγλώττισης για προσωπική χρήση. Αυτά αποτελούν θετικά στοιχεία διαφάνειας, αλλά δεν αρκούν για να χαρακτηριστεί μια εφαρμογή λογισμικό ανοιχτού κώδικα.

Η άδειά του ακολουθεί την προσέγγιση source-available, δηλαδή λογισμικού με διαθέσιμο πηγαίο κώδικα αλλά περιορισμένα δικαιώματα χρήσης και αναδιανομής.

Συγκεκριμένα, απαγορεύει την εμπορική πώληση του λογισμικού, τη χρησιμοποίηση του κώδικα για ανάπτυξη ανταγωνιστικών προϊόντων και την αφαίρεση ορισμένων στοιχείων της αρχικής εφαρμογής από παράγωγες εκδόσεις. Επιπλέον, το ίδιο το κείμενο της άδειας χαρακτηρίζεται από τους δημιουργούς ως υπό διαμόρφωση.

Οι περιορισμοί αυτοί δεν συμβιβάζονται με τον ορισμό του ανοιχτού κώδικα της Open Source Initiative, ο οποίος απαιτεί ελευθερία χρήσης για οποιονδήποτε σκοπό, αναδιανομής και δημιουργίας παράγωγων έργων χωρίς διακρίσεις μεταξύ δραστηριοτήτων ή επιχειρηματικών μοντέλων.

Η ομάδα του ArtCraft υποστηρίζει ότι επιδιώκει να προστατεύσει τη βιωσιμότητα της ανάπτυξης απέναντι σε μεγάλες εταιρείες που θα μπορούσαν να αξιοποιήσουν εμπορικά τον κώδικα χωρίς να συνεισφέρουν στο έργο.

Το επιχείρημα αναδεικνύει ένα πραγματικό πρόβλημα χρηματοδότησης των ψηφιακών κοινών. Ωστόσο, η απαγόρευση του εμπορικού ανταγωνισμού δεν αποτελεί χαρακτηριστικό του ανοιχτού λογισμικού. Αντίθετα, περιορίζει τις ελευθερίες που επιτρέπουν σε ανεξάρτητους προγραμματιστές, επιχειρήσεις και κοινότητες να αναπτύσσουν νέες λύσεις.

Τι μπορούν να διδαχθούν τα έργα ανοιχτού λογισμικού

Η σημαντικότερη αξία του ArtCraft για την κοινότητα ανοιχτού λογισμικού δεν είναι η άδεια χρήσης του, αλλά η αρχιτεκτονική και η φιλοσοφία ανάπτυξής του.

Πρώτον, αναδεικνύει τη δυνατότητα δημιουργίας εφαρμογών που δεν εξαρτώνται από ένα μοναδικό μοντέλο ΤΝ. Ένα πραγματικά ανοιχτό αντίστοιχο θα μπορούσε να υποστηρίζει τόσο τοπικά μοντέλα ανοιχτών βαρών όσο και εξωτερικές υπηρεσίες, επιτρέποντας στον χρήστη να επιλέγει με βάση το κόστος, την ποιότητα, την προστασία δεδομένων και τους όρους χρήσης.

Δεύτερον, δείχνει ότι το μέλλον των δημιουργικών εφαρμογών δεν περιορίζεται στα ίδια τα μοντέλα. Εργαλεία όπως το Blender, το Krita και το ComfyUI μπορούν να αποτελέσουν συστατικά ενός ολοκληρωμένου ανοιχτού περιβάλλοντος, συνδυάζοντας τρισδιάστατη σχεδίαση, επεξεργασία εικόνας και αυτοματοποιημένες ροές παραγωγής.

Τρίτον, αναδεικνύει την ανάγκη σχεδιασμού εφαρμογών γύρω από πραγματικές εργασίες των χρηστών και όχι γύρω από τις δυνατότητες ενός συγκεκριμένου αλγορίθμου. Η επαναληψιμότητα, η επεξεργασιμότητα και η δυνατότητα ανθρώπινης παρέμβασης έχουν μεγαλύτερη μακροπρόθεσμη αξία από μια εντυπωσιακή μεμονωμένη παραγωγή.

Τέταρτον, επαναφέρει το ζήτημα της οικονομικής βιωσιμότητας. Οι κοινότητες ανοιχτού λογισμικού χρειάζονται σταθερούς πόρους, επαγγελματική συντήρηση και επιχειρηματικά μοντέλα που δεν καταργούν τις ελευθερίες των χρηστών. Υπηρεσίες υποστήριξης, φιλοξενία, εκπαίδευση, συνδρομητικές υπηρεσίες και συλλογική χρηματοδότηση μπορούν να συνυπάρχουν με πραγματικά ανοιχτές άδειες.

Μια ευκαιρία για την ευρωπαϊκή και ελληνική κοινότητα

Για τα ευρωπαϊκά έργα ανοιχτού λογισμικού, το ArtCraft αποτελεί χρήσιμο παράδειγμα προς μελέτη και όχι υπόδειγμα αδειοδότησης.

Πανεπιστήμια, ερευνητικά κέντρα, δημιουργικές επιχειρήσεις και κοινότητες προγραμματιστών θα μπορούσαν να συνεργαστούν για την ανάπτυξη ανοιχτών δημιουργικών περιβαλλόντων ΤΝ, αξιοποιώντας υφιστάμενες εφαρμογές, ανοιχτά πρότυπα και υποδομές τοπικής εκτέλεσης μοντέλων.

Ιδιαίτερη σημασία έχει η δυνατότητα παραγωγής εκπαιδευτικού, πολιτιστικού και οπτικοακουστικού περιεχομένου χωρίς υποχρεωτική εξάρτηση από κλειστές πλατφόρμες. Η πρόσβαση στον κώδικα, η φορητότητα των έργων και η διατήρηση της τεχνογνωσίας μπορούν να αποτελέσουν ουσιαστικά πλεονεκτήματα για μικρές δημιουργικές ομάδες και δημόσιους οργανισμούς.

Το ArtCraft δείχνει μια ενδιαφέρουσα κατεύθυνση: η Τεχνητή Νοημοσύνη να ενισχύει τη δημιουργική αυτονομία αντί να υποκαθιστά τον δημιουργό.

Η πρόκληση για την κοινότητα ανοιχτού λογισμικού είναι να προχωρήσει ένα βήμα παραπέρα. Να δημιουργήσει αντίστοιχα περιβάλλοντα στα οποία δεν θα είναι ανοιχτός μόνο ο τρόπος ανάπτυξης, αλλά και τα δικαιώματα χρήσης, τροποποίησης, συνεργασίας και εμπορικής αξιοποίησης.

Γιατί η πραγματική αξία του ανοιχτού λογισμικού δεν βρίσκεται απλώς στη δυνατότητα να βλέπουμε πώς λειτουργεί μια τεχνολογία, αλλά στην ελευθερία να τη βελτιώνουμε, να τη μοιραζόμαστε και να χτίζουμε πάνω της.

Πηγές και τεκμηρίωση:

1. ArtCraft, GitHub Repository: Το αποθετήριο παρουσιάζει την αρχιτεκτονική, τις λειτουργίες δημιουργίας εικόνων και βίντεο, τη σύνθεση δισδιάστατων και τρισδιάστατων σκηνών και τη δυνατότητα αξιοποίησης διαφορετικών μοντέλων ΤΝ. Αποτελεί την πρωτογενή πηγή για την τεχνική περιγραφή του έργου: https://github.com/storytold/artcraft

2. ArtCraft, License: Η άδεια καθορίζει τους περιορισμούς εμπορικής εκμετάλλευσης, δημιουργίας ανταγωνιστικών προϊόντων και διανομής τροποποιημένων εκδόσεων. Τεκμηριώνει γιατί το ArtCraft ανήκει στην κατηγορία λογισμικού με διαθέσιμο πηγαίο κώδικα και όχι στο ανοιχτό λογισμικό: https://github.com/storytold/artcraft/blob/main/LICENSE.md

3. ArtCraft, Development Roadmap: Ο οδικός χάρτης παρουσιάζει τις προτεραιότητες ανάπτυξης, τη μείωση εξάρτησης από τις υπηρεσίες του ίδιου του ArtCraft, την ενσωμάτωση περισσότερων μοντέλων και τις μακροπρόθεσμες φιλοδοξίες για ανοιχτές τεχνολογίες ΤΝ: https://github.com/storytold/artcraft/blob/main/ROADMAP.md

4. Open Source Initiative, The Open Source Definition: Ο διεθνώς αναγνωρισμένος ορισμός του ανοιχτού κώδικα καθορίζει τις απαιτήσεις ελεύθερης χρήσης, τροποποίησης, αναδιανομής και δημιουργίας παράγωγων έργων, χωρίς διακρίσεις ως προς την εμπορική δραστηριότητα: https://opensource.org/osd

5. Blender Foundation, Blender License: Το Blender αποτελεί χαρακτηριστικό παράδειγμα επαγγελματικού δημιουργικού λογισμικού με άδεια GNU GPL, το οποίο επιτρέπει την εμπορική χρήση και αξιοποιεί ένα οικοσύστημα κοινοτικής ανάπτυξης και χρηματοδότησης: https://www.blender.org/about/license/

6. Krita Foundation, Krita License: Το Krita αποδεικνύει ότι η επαγγελματική ανάπτυξη δημιουργικών εφαρμογών μπορεί να συνδυάζεται με πραγματικές ελευθερίες ανοιχτού λογισμικού, εμπορική αξιοποίηση, διανομή και συνεισφορά στον κώδικα: https://krita.org/en/about/license/

7. ComfyUI, GitHub Repository and GNU GPL License: Το ComfyUI αποτελεί σημαντικό παράδειγμα ανοιχτού περιβάλλοντος οργάνωσης ροών εργασίας παραγωγικής ΤΝ. Η άδεια GNU GPLv3 παρέχει βάση για ανεξάρτητη ανάπτυξη και διανομή τροποποιημένων εκδόσεων, σε αντίθεση με τους περιορισμούς της άδειας του ArtCraft: https://github.com/comfy-org/ComfyUI/blob/master/LICENSE

Η ΕΕΛΛΑΚ στο 16ο e-Government Forum: Η τεχνητή νοημοσύνη στη δημόσια διαβούλευση χρειάζεται θεσμικό σχεδιασμό
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για την Ανοιχτή Διακυβέρνηση

Ο Οργανισμός Ανοιχτών Τεχνολογιών – ΕΕΛΛΑΚ συμμετέχει στο 16ο e-Government Forum «Από τον Ψηφιακό Μετασχηματισμό στη Λειτουργική Μεταρρύθμιση», που θα πραγματοποιηθεί την Τετάρτη 14 Οκτωβρίου στο ξενοδοχείο Divani Caravel στην Αθήνα. Ο Γενικός Διευθυντής της ΕΕΛΛΑΚ, κ. Αλέξανδρος Μελίδης, θα μιλήσει στο εναρκτήριο πάνελ του συνεδρίου (09:30–10:30, αίθουσα Olympia B), με τίτλο «Η επόμενη ημέρα του ψηφιακού κράτους: Από την ψηφιοποίηση στη λειτουργική μεταρρύθμιση». Το συνέδριο συγκεντρώνει φορείς της δημόσιας διοίκησης, πανεπιστήμια και στελέχη της αγοράς γύρω από τις ελληνικές και ευρωπαϊκές πρακτικές ηλεκτρονικής διακυβέρνησης. Φέτος, η συζήτηση μετατοπίζεται από το ερώτημα αν οι υπηρεσίες ψηφιοποιούνται στο ερώτημα αν οι ίδιες οι διαδικασίες του Δημοσίου μπορούν να αναδιαρθρωθούν.

Η εισήγηση της ΕΕΛΛΑΚ

Ο κ. Αλέξανδρος Μελίδης θα παρουσιάσει την εισήγηση «Τεχνητή νοημοσύνη και δημόσια διαβούλευση: τι μαθαίνουμε από το AI4Deliberation για την επόμενη μέρα του opengov.gr». Η εισήγηση θα αναφερθεί στην πιλοτική εφαρμογή που υλοποιείται για την πλατφόρμα opengov.gr στο πλαίσιο του ευρωπαϊκού έργου AI4Deliberation. Η πιλοτική εφαρμογή εξετάζει πώς η τεχνητή νοημοσύνη μπορεί να βοηθήσει στη σύνοψη και την ομαδοποίηση των επιχειρημάτων που καταθέτουν οι πολίτες, στη διευκόλυνση της πρόσβασης μέσω κειμένων απλής γλώσσας και στην παραγωγή αναφορών που κάνουν τη διαβούλευση πιο διαφανή για όσους συμμετέχουν σε αυτήν. Θα δείξει επίσης στοιχεία από την ανάλυση των εκθέσεων διαβούλευσης του opengov.gr από το 2009 έως σήμερα, που δείχνουν πόσο συχνά ο πολίτης μάθαινε τι απέγινε το σχόλιό του και τι άλλαξε με τη νέα πλατφόρμα.

Η δημόσια διαβούλευση είναι το σημείο όπου η νομοθετική πρωτοβουλία συναντά τους πολίτες. Όταν το πλήθος των συνεισφορών ξεπερνά τις δυνατότητες της διοίκησης να τις διαβάσει και να απαντήσει σε αυτές, η ποιότητα του διαλόγου κινδυνεύει. Η εισήγηση θα εξετάσει κατά πόσο η τεχνητή νοημοσύνη μπορεί να στηρίξει αυτή τη διαδικασία και με ποιες προϋποθέσεις: διαφάνεια στη χρήση της, ανθρώπινο έλεγχο και ανοιχτά εργαλεία.

Η ΕΕΛΛΑΚ και η δημόσια διαβούλευση

Η παρουσία της ΕΕΛΛΑΚ στο συνέδριο εντάσσεται στη συστηματική της δράση για την ανοιχτή διακυβέρνηση, τα ανοιχτά δεδομένα και την ψηφιακή συμμετοχή των πολιτών. Η συμμετοχή στην πιλοτική εφαρμογή για το opengov.gr αποτελεί παράδειγμα του πώς η έρευνα, τα πανεπιστημιακά ιδρύματα και η δημόσια διοίκηση μπορούν να συνεργαστούν σε ανοιχτά πρότυπα και ανοιχτό λογισμικό.
Περισσότερες πληρφορίες για το συνέδριο μπορείτε να δείτε εδώ: https://e-govforum.gr/

Αναθεώρηση του Κανονισμού Τυποποίησης 1025/2012: τι σημαίνει για τον τομέα της πληροφορικής στην Ευρώπη;
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για τα Ανοιχτά Πρότυπα

Η Ευρωπαϊκή Επιτροπή δημοσίευσε την πρόταση για τον νέο Κανονισμό για την ευρωπαϊκή τυποποίηση, ο οποίος θα αντικαταστήσει τον Κανονισμό τυποποίησης 1025/2012. Με την αναθεώρηση, η Επιτροπή επιδιώκει να μεταρρυθμίσει βασικά στοιχεία του συστήματος τυποποίησης και να το καταστήσει πιο προσβάσιμο σε μεγαλύτερο αριθμό ενδιαφερομένων. Ιδιαίτερα ωφελημένοι αναμένεται να είναι οι οργανισμοί ανοιχτού λογισμικού και οι κοινότητες που συμμετέχουν σε εργασίες τυποποίησης. Η πρόταση είναι σημαντικό βήμα προς τη σωστή κατεύθυνση και αναμένεται να εξεταστεί από τους συννομοθέτες τα επόμενα στάδια.

Γιατί γίνεται η αναθεώρηση;

Από το 2012, ο Κανονισμός 1025/2012 αποτελεί τη νομική βάση για τη χρήση ευρωπαϊκών προτύπων για προϊόντα και υπηρεσίες, για τον εντοπισμό τεχνικών προδιαγραφών ΤΠΕ και για τη χρηματοδότηση της ευρωπαϊκής τυποποίησης. Επίσης, ορίζει κανόνες διαφάνειας και συμμετοχής για τους τρεις ευρωπαϊκούς οργανισμούς τυποποίησης (ESOs), δηλαδή την CEN, την CENELEC και το ETSI, καθώς και για τους εθνικούς οργανισμούς τυποποίησης.

Ο Κανονισμός θεωρείται γενικά επιτυχημένος, καθώς συνέβαλε στην ενιαία ανάπτυξη και παράδοση εναρμονισμένων προτύπων και στην αναγνώριση της σημασίας των τεχνικών προδιαγραφών ΤΠΕ. Ωστόσο, αντιμετώπισε αυξανόμενες δυσκολίες. Ανάμεσα σε αυτές ήταν η αβεβαιότητα για το νομικό καθεστώς των εναρμονισμένων προτύπων, η ένταξη κοινών προδιαγραφών στα νομικά πλαίσια, η περιορισμένη προσαρμογή σε ταχέως εξελισσόμενες τεχνολογίες, ιδίως το λογισμικό, καθώς και το ζήτημα της πρόσβασης σε εναρμονισμένα πρότυπα και της χρήσης διεθνών προτύπων σε ρυθμιστικά πλαίσια της ΕΕ.

Για να ανταποκριθεί η ευρωπαϊκή τυποποίηση στη σημερινή εποχή, όπου το λογισμικό καθορίζει μεγάλο μέρος της οικονομίας, το σύστημα χρειάζεται εκσυγχρονισμό. Πρέπει να προσφέρει ελκυστικότερο περιβάλλον για τον τομέα της πληροφορικής, να λαμβάνει υπόψη ότι το ανοιχτό λογισμικό αποτελεί κυρίαρχο μοντέλο ανάπτυξης λογισμικού στην Ευρώπη και να εφαρμόζει πιο ευέλικτες και σύγχρονες διαδικασίες.

Τι προβλέπει η πρόταση;

Η Επιτροπή αναγνωρίζει ρητά τη σημασία του ανοιχτού λογισμικού και των ανοιχτών προτύπων για την καινοτομία, τον ανταγωνισμό, τη διαλειτουργικότητα, τη διαφάνεια και την ψηφιακή κυριαρχία της Ένωσης. Αυτό εναρμονίζεται με την Ευρωπαϊκή Στρατηγική για το Ανοιχτό Λογισμικό του Ιουνίου 2026. Η πρόταση επιδιώκει να στηρίξει τη συμμετοχή των κοινοτήτων ανοιχτού λογισμικού στις εργασίες τυποποίησης, και η προώθηση της συνεργασίας και της συμπληρωματικότητας μεταξύ ανοιχτού λογισμικού και τυποποίησης θεωρείται ότι θα ενισχύσει την εσωτερική αγορά.

Ορισμένοι οργανισμοί τυποποίησης και αιτήματα μέσω κοινών προδιαγραφών

Η πιο σημαντική αλλαγή της πρότασης είναι ίσως το άνοιγμα του ευρωπαϊκού συστήματος τυποποίησης. Η Επιτροπή θα μπορεί να απευθύνει αιτήματα τυποποίησης σε οργανισμούς τυποποίησης (SDOs) πέρα από τους τρεις ευρωπαϊκούς οργανισμούς. Η διεύρυνση αυτή θεωρείται ότι θα ωφελήσει σημαντικά το σύστημα, καθώς η Επιτροπή θα μπορεί να προσεγγίζει νέους, αρμόδιους φορείς σε συγκεκριμένους τομείς και να τους καλεί να συμμετάσχουν στις ευρωπαϊκές διαδικασίες.

Η διεύρυνση μπορεί να επιταχύνει τις διαδικασίες τυποποίησης, να μειώσει τις καθυστερήσεις των ESOs και να εξασφαλίσει ότι τα σχετικά ενδιαφερόμενα μέρη συμμετέχουν από την αρχή. Είναι ιδιαίτερα σημαντικό για τον τομέα της πληροφορικής, όπου πολλά από τα σημαντικότερα πρότυπα αναπτύσσονται σε οργανισμούς που δεν είναι επίσημα αναγνωρισμένοι, αλλά λειτουργούν με ανοιχτές, καινοτόμες και διαφανείς διαδικασίες. Πολλοί από αυτούς τους οργανισμούς συμμετέχουν ήδη ενεργά στην Πολυμερή Πλατφόρμα της ΕΕ για την τυποποίηση ΤΠΕ εδώ και αρκετά χρόνια.

Αιτήματα μέσω κοινών προδιαγραφών

Η πρόταση αναγνωρίζει τη σημασία των κοινών προδιαγραφών, οι οποίες μπορούν να χρησιμεύσουν ως εναλλακτική λύση όταν δεν υπάρχουν εναρμονισμένα πρότυπα. Οι κοινές προδιαγραφές έχουν αποκτήσει μεγαλύτερη σημασία τα τελευταία χρόνια, παραμένουν όμως αμφιλεγόμενες. Οι επικριτές υποστηρίζουν ότι μπορεί να δημιουργήσουν μια παράλληλη διαδρομή μέσα στο σύστημα τυποποίησης. Επιπλέον, το πρόσφατο πακέτο Omnibus IV προτείνει διαδικασία για τις κοινές προδιαγραφές που διαφέρει από αυτή της παρούσας πρότασης. Είναι σημαντικό η Επιτροπή να ακολουθήσει ενιαία ρυθμιστική προσέγγιση και να διατηρήσει τις κοινές προδιαγραφές ως λύση έσχατης ανάγκης, σε αυστηρά καθορισμένες περιπτώσεις. Διαφορετικά, κινδυνεύει να δημιουργηθεί περαιτέρω κατακερματισμός του συστήματος.

Κέντρο Αριστείας και Επικεφαλής Τυποποίησης

Για την καλύτερη οργάνωση των εσωτερικών και διεθνών δραστηριοτήτων τυποποίησης, καθώς και για τον συντονισμό των σχέσεων με τους ESOs και τους ορισμένους οργανισμούς τυποποίησης, η Επιτροπή σκοπεύει να συστήσει Κέντρο Αριστείας για την ευρωπαϊκή τυποποίηση. Το κέντρο αυτό βασίζεται στη Στρατηγική Τυποποίησης του 2022, στην οποία εισήχθησαν για πρώτη φορά ο ρόλος του Επικεφαλής Τυποποίησης (Chief Standardisation Officer) και ο κόμβος αριστείας. Η ιδέα είναι αξιέπαινη, όμως η φύση των διορισμών και οι λειτουργικές λεπτομέρειες χρειάζονται περαιτέρω επεξεργασία, ώστε να δημιουργηθούν με διαφάνεια και την απαραίτητη ευελιξία.

Νέες απαιτήσεις διαφάνειας και συμπερίληψης

Σύμφωνα με την πρόταση, οι ESOs και οι ορισμένοι οργανισμοί τυποποίησης θα υποχρεούνται να δημοσιεύουν τον κατάλογο όλων των ενδιαφερομένων που συμμετέχουν στην ανάπτυξη κάθε πρότυπου και κάθε προϊόντος τυποποίησης. Στον κατάλογο περιλαμβάνονται οργανισμοί, ενώσεις, ομάδες και ελεύθεροι επαγγελματίες, είτε ενεργούν για λογαριασμό τους είτε εκπροσωπούν άλλους φορείς, καθώς και τα συμφέροντα που εκπροσωπούν. Το μέτρο θεωρείται θετικό, επειδή προσδίδει μεγαλύτερη σαφήνεια και διαφάνεια στη διαδικασία, αλλά δεν πρέπει να οδηγήσει σε υπερβολική γραφειοκρατία.

Ψηφιοποίηση και πρόσβαση στα πρότυπα

Η Επιτροπή προτείνει επίσης τη δημιουργία μιας Ευρωπαϊκής Πλατφόρμας Προτύπων, ενός κεντρικού κόμβου με πληροφορίες για τα πρότυπα και τις κοινές προδιαγραφές. Η πλατφόρμα θα περιλαμβάνει πληροφορίες για τον τρόπο πρόσβασης σε αυτά, για τον τρόπο εφαρμογής τους και για τις επιδόσεις των ESOs και των ορισμένων οργανισμών τυποποίησης.

Βάσει της πρότασης, τα εναρμονισμένα πρότυπα θα είναι δωρεάν και ανοιχτά σε όλους. Το μέτρο υλοποιεί την απόφαση C-588/21 P του Δικαστηρίου της Ευρωπαϊκής Ένωσης (γνωστή ως υπόθεση Malamud) και διασφαλίζει ίση πρόσβαση στα πρότυπα. Ωστόσο, θα έχει σημαντικές επιπτώσεις στο επιχειρηματικό μοντέλο πολλών παραδοσιακών οργανισμών τυποποίησης, όπως των CEN και CENELEC, καθώς και των ISO και IEC. Για τον λόγο αυτό, ενδέχεται να χρειαστούν υποστηρικτικά μέτρα, όπως μεταβατική περίοδος ή οικονομική στήριξη, ώστε οι ESOs να προετοιμαστούν. Είναι καίριας σημασίας οι αλλαγές να μην οδηγήσουν σε αποσύνδεση της ευρωπαϊκής από τη διεθνή τυποποίηση. Η παραμονή στο παγκόσμιο σύστημα προτύπων έχει μεγάλη σημασία για την ευρωπαϊκή βιομηχανία, για το παγκόσμιο εμπόριο και για τις εξαγωγές ευρωπαϊκών προϊόντων. Επιπλέον, αποτελεί βασικό στοιχείο του λεγόμενου «φαινομένου Βρυξελλών» (Brussels effect) και συμβάλλει στον καθορισμό παγκόσμιων προτύπων με βάση ευρωπαϊκές αξίες.

Τι λείπει;

Παρότι η πρόταση αποτελεί σημαντικό βήμα, θα μπορούσε να περιλάβει αρκετές αλλαγές για να βελτιωθεί περαιτέρω το σύστημα τυποποίησης.

Η πρόταση ενθαρρύνει τη χρήση διαλειτουργικών «ψηφιακών εργαλείων ανάπτυξης», δεν αναγνωρίζει όμως ρητά τον κρίσιμο ρόλο που διαδραματίζουν τα εργαλεία ανοιχτού λογισμικού στα μη κανονιστικά μέρη της διαδικασίας τυποποίησης. Αυτή η αναγνώριση θα βοηθούσε να μειωθεί η εξάρτηση από δαπανηρές και χρονοβόρες χειροκίνητες διαδικασίες, να αυτοματοποιηθεί η ροή εργασίας τυποποίησης και να φέρει συνοχή σε κατακερματισμένες βάσεις δεδομένων, με πνεύμα διαλειτουργικότητας και μεγαλύτερης διαφάνειας. Πολλά μέλη της κοινότητας τυποποίησης, μεταξύ των οποίων οι ESOs και διάφορες ομάδες εργασίας και τεχνικές επιτροπές, χρησιμοποιούν ήδη εργαλεία ανοιχτού λογισμικού για την ανάπτυξη προτύπων. Η αναγνώριση αυτή θα μπορούσε να θεσμοθετήσει τις πρακτικές αυτές.

Όσον αφορά τον τομέα της πληροφορικής, η πρόταση δίνει σαφή έμφαση στον εκσυγχρονισμό, ιδίως με την ανάδειξη του ρόλου των κοινοτήτων ανοιχτού λογισμικού και την ανάγκη καλύτερης ενσωμάτωσής τους στο σύστημα. Ταυτόχρονα, όμως, παραβλέπει τις ιδιαιτερότητες του τομέα. Για παράδειγμα, αφαιρεί τον όρο «τεχνικές προδιαγραφές ΤΠΕ» για τα πρότυπα που αναπτύσσονται σε άλλους οργανισμούς πέρα από τους επίσημα αναγνωρισμένους. Επίσης, καταργεί τη δυνατότητα αναγνώρισης τέτοιων προδιαγραφών, ώστε να μπορούν να παραπέμπονται απευθείας στις δημόσιες συμβάσεις. Αυτό μπορεί να επηρεάσει τα ανοιχτά και διαλειτουργικά ψηφιακά οικοσυστήματα, καθώς εξαρτώνται από προδιαγραφές οργανισμών που βρίσκονται εκτός της ρυθμιζόμενης σφαίρας.

Γενικότερα, η πρόταση επικεντρώνεται σχεδόν αποκλειστικά στα ευρωπαϊκά πρότυπα και στα εναρμονισμένα ευρωπαϊκά πρότυπα που υποστηρίζουν την ευρωπαϊκή νομοθεσία. Δεν ασχολείται επαρκώς με τη χρήση των προτύπων για την προώθηση των στόχων της πολιτικής καινοτομίας, της κυριαρχίας και της ανταγωνιστικότητας της Ευρώπης. Σε αυτά τα πλαίσια, δεν έχουν σημασία τα εναρμονισμένα ευρωπαϊκά πρότυπα, αλλά τα ανοιχτά πρότυπα και η στήριξη του ανοιχτού λογισμικού ως μέσου για την υιοθέτησή τους. Η προοπτική αυτή αξίζει να συμπεριληφθεί στην πρόταση.

Τι ακολουθεί;

Η πρόταση θα περάσει τώρα στις διοργανικές διαπραγματεύσεις, όπου θα συζητηθεί από το Ευρωπαϊκό Κοινοβούλιο και το Συμβούλιο. Ο στόχος είναι το τελικό κείμενο να διατηρεί τη δέσμευση για εναλλακτικές διαδρομές τυποποίησης και για διαφάνεια, και ταυτόχρονα να προστατεύει τα βασικά ενδιαφερόμενα μέρη κατά τη μετάβαση.

Πηγή άρθρου: https://openforumeurope.org

Οι εκδηλώσεις της εβδομάδας, για τις ανοιχτές τεχνολογίες και την καινοτομία!
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για το Ανοιχτό Λογισμικό

Οι εκδηλώσεις δεν σταματούν καθώς αυτήν την εβδομάδα πραγματοποιούνται εκδηλώσεις στην Ελλάδα και στο εξωτερικό για τις ανοιχτές τεχνολογίες και την καινοτομία! Ο Οργανισμός Ανοιχτών Τεχνολογιών (ΕΕΛΛΑΚ) σας προτείνει να τις παρακολουθήσετε και να τις διαδώσετε. Μπορείτε επίσης να δείτε περισσότερες εκδηλώσεις για τις επόμενες εβδομάδες ή να καταχωρίσετε τη δική σας εκδήλωση στο: https://ellak.gr/events.

Ημερομήνια/Ώρα	Εκδήλωση
21/01/2025 – 01/09/2027 Ολοήμερο	#online event: Adopt and scale AI
03/10/2026 – 24/10/2026 16:00 – 20:30	Σεμινάρια Linux Essentials & Web Development Essentials Δημοτικό Κέντρο Ελεύθερου Λογισμικού, Πυλαία, Θεσσαλονίκη.
12/10/2026 – 16/10/2026 Ολοήμερο	Dyalog ’26 The View Hotel, Eastbourne
13/10/2026 – 14/10/2026 Ολοήμερο	#online event: Data Decoded MCR
13/10/2026 – 15/10/2026 Ολοήμερο	BazelCon Postillion Hotel & Convention Centre Amsterdam, Amsterdam
13/10/2026 Ολοήμερο	OFE Capital Series Ireland The Banquet Hall, Dublin
13/10/2026 – 15/10/2026 Ολοήμερο	The OpenSSL Conference Hotel Diplomat, Prague
14/10/2026 – 18/10/2026 Ολοήμερο	#hybrid event: PyConZA 2026 Belmont Square Conference Centre, Cape Town
14/10/2026 Ολοήμερο	#online event: Open Data to Empower Communities and Strengthen Social Inclusion
14/10/2026 Ολοήμερο	16ο Συνέδριο Ηλεκτρονικής Διακυβέρνησης e-Government Forum Divani Caravel Hotel, Athens

Ημερομήνια/Ώρα	Εκδήλωση
14/10/2026 – 16/10/2026 Ολοήμερο	EOSC Symposium 2026 Palazzo dei Congressi, Firenze
14/10/2026 – 17/10/2026 Ολοήμερο	EuroRust 2026 Auditori L’illa, Barcelona
14/10/2026 Ολοήμερο	Ανθρώπινα Δικαιώματα και Τεχνητή Νοημοσύνη Novus City Hotel, Αθήνα
14/10/2026 17:00 – 20:00	#online event: Virtual EnvoyCon 10 Year Anniversary Edition
15/10/2026 Ολοήμερο	#online event: Interoperable Europe Community Annual Assembly 2026: Moving Forward
15/10/2026 Ολοήμερο	#online event: KubeVirt Summit Virtual 2026
15/10/2026 – 16/10/2026 Ολοήμερο	#online event: Open Source Observability Day 2026
15/10/2026 – 16/10/2026 Ολοήμερο	Digital Talent EU Days 2026 Trinity Business School, Dublin
15/10/2026 Ολοήμερο	OPI Summit on DPU/IPUs The Tech Interactive, San Jose
16/10/2026 – 18/10/2026 Ολοήμερο	#online event: EU Agri-Hackathon 2026
16/10/2026 – 18/10/2026 Ολοήμερο
16/10/2026 – 17/10/2026 Ολοήμερο	OmniOpenCon 2026 UNSTPB Central Library, POLITEHNICA Bucharest, Bucharest
16/10/2026 – 25/10/2026 Ολοήμερο	Open Source AI Week
16/10/2026 Ολοήμερο	Umbraco UK Conference 2026 CodeNode, London
16/10/2026 – 18/10/2026 Ολοήμερο	Video Dev Days 2026 Sapienza University of Rome, Rome
17/10/2026 – 18/10/2026 Ολοήμερο	Pacific Northwest Drupal Summit BCIT Downtown Campus, Vancouver
19/10/2026 – 20/10/2026 Ολοήμερο	All Things Open 2026 Raleigh Convention Center, Raleigh

Ποιος πληρώνει για τα δημόσια δεδομένα;
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για την Ανοιχτή Διακυβέρνηση

Τον περασμένο Ιούλιο η βρετανική κυβέρνηση έθεσε σε δημόσια διαβούλευση ένα ερώτημα σχετικά με το αν οι δημόσιοι φορείς πρέπει να μπορούν να χρεώνουν για την επαναχρησιμοποίηση των δεδομένων τους περισσότερα από το οριακό κόστος. Για ένα αρχείο που κατεβαίνει από το διαδίκτυο, το οριακό κόστος είναι πρακτικά μηδέν, και για αυτό ακριβώς ο κανόνας, που η Βρετανία κληρονόμησε από την ευρωπαϊκή οδηγία του 2013 και κράτησε και μετά το Brexit, έχει επιτρέψει σε έναν μεγάλο όγκο δημόσιας πληροφορίας να κυκλοφορεί ελεύθερα. Η διαβούλευση έκλεισε στις 8 Σεπτεμβρίου.

Το επιχείρημα των υποστηρικτών της χρέωσης δεν είναι αστήρικτο. Όπως σημειώνει ο Fernando Monge σε ένα πρόσφατο κείμενο, πολύτιμα σύνολα δεδομένων μένουν θαμμένα σε μορφές και συστήματα που εμποδίζουν να αξιοποιηθούν και η μετατροπή τους σε μορφές αξιοποιήσιμες κοστίζει. Αν ο φορέας δεν μπορεί να ανακτήσει αυτό το κόστος, η συγκεκριμένη δουλειά γίνεται άλλη μια μη χρηματοδοτούμενη δράση σε έναν ήδη σφιχτό προϋπολογισμό. Το ίδιο το βρετανικό κείμενο διαβούλευσης φέρνει ως παράδειγμα ένα πρόγραμμα χαρτογράφησης του φυσικού κεφαλαίου της Αγγλίας, που χρηματοδοτείται μέχρι το 2029 και για το οποίο η χρέωση εξετάζεται ως τρόπος διασφάλισης της μετέπειτα βιωσιμότητάς του.

Η απάντηση της βρετανικής κοινότητας των ανοιχτών δεδομένων ήταν ωστόσο αυστηρή. Ο Peter Wells υπενθυμίζει ότι η χρέωση μειώνει τη χρήση, και τη μειώνει άνισα. Η Google θα πληρώσει για τα δρομολόγια των λεωφορείων χωρίς ούτε καν να το καταλάβει, η μικρή ομάδα που θέλει να φτιάξει μια εφαρμογή για χρήστες αναπηρικού αμαξιδίου σε μια μικρή πόλη θα ξοδέψει τον χρόνο της σε λογιστές και δικηγόρους. Η χρέωση έχει και δικό της διοικητικό κόστος, με αποφάσεις τιμολόγησης, άδειες, ελέγχους και διαφορές. Το παράδειγμα που δίνει είναι διδακτικό. Όταν 57 δήμοι αποφάσισαν να δημοσιεύσουν δωρεάν τους καταλόγους διευθύνσεών τους, η Ordnance Survey, εταιρεία που ανήκει στο ίδιο το κράτος, διεκδίκησε νομικά ότι έπρεπε να πληρώνεται για τις διευθύνσεις που περιέχουν. Η διαφορά δεν επιλύθηκε και το κόστος της το πληρώνει και πάλι ο φορολογούμενος.

Ο Owen Boswarva πηγαίνει πιο πίσω, στο 1980, όταν μια επιτροπή υπό τον διευθύνοντα σύμβουλο των Marks & Spencer συνέστησε στην κυβέρνηση Θάτσερ οι επίσημες στατιστικές να υπηρετούν κυρίως την κυβέρνηση και οι υπόλοιποι χρήστες να πληρώνουν. Ακολούθησαν βαθιές περικοπές και η ζημιά στη δημόσια στατιστική χρειάστηκε δεκαετίες για να αποκατασταθεί. Η πιο ευφυής παρατήρησή του αφορά όμως το σήμερα. Όταν λέμε σε έναν δημόσιο φορέα να βρει μόνος του τα χρήματα που κοστίζει η παραγωγή και διάθεση των δεδομένων του πουλώντας τα, η ευθύνη για την υποχρηματοδότηση μετατοπίζεται από το κέντρο στην περιφέρεια. Αν τα έσοδα δεν έρθουν, θα πει κανείς ότι ο φορέας δεν ήταν αρκούντως καινοτόμος επιχειρηματικά ή και ότι τα δεδομένα δεν ήταν τελικά τόσο σημαντικά.

Υπάρχει και η αντίστροφη εμπειρία. Στη Δανία, πριν από το 2005, κάθε δήμος χρέωνε χωριστά για τα δεδομένα διευθύνσεων, με αποτέλεσμα να είναι σχεδόν απρόσιτα. Όταν άρχισαν να διατίθενται δωρεάν, μια μελέτη που ανέθεσε η δανική κυβέρνηση υπολόγισε άμεσα οφέλη 62 εκατομμυρίων ευρώ για την πενταετία έως το 2009, με κόστος περίπου 2 εκατομμύρια.

Το βρετανικό ερώτημα, βέβαια, δεν είναι τόσο αφελές όσο ακούγεται, γιατί στο μεταξύ έχει αλλάξει το ποιος χρησιμοποιεί τα δημόσια δεδομένα. Ανάμεσα στους πιο συστηματικούς χρήστες δημόσιων δεδομένων είναι πλέον και οι εταιρείες που εκπαιδεύουν μοντέλα τεχνητής νοημοσύνης και ο κανόνας της δωρεάν διάθεσης δεν ξεχωρίζει τον φοιτητή από μια εταιρεία με αποτίμηση εκατοντάδων δισεκατομμυρίων. Έχουμε γράψει και σε αυτή τη στήλη ότι η ανοιχτότητα από μόνη της δεν παράγει δημόσια αξία. Η απάντηση σε αυτό δεν είναι όμως ένα διόδιο στην είσοδο, γιατί το διόδιο περιορίζει πρώτα όποιον έχει τα λιγότερα μέσα, ενώ οι μεγάλοι και ισχυροί έχουν τους δικηγόρους για να διαπραγματευτούν προνομιούχες άδειες. Αν το κράτος θέλει μερίδιο από την αξία που παράγει η οικονομία των δεδομένων, υπάρχουν τρόποι να αντλήσει από άλλες πηγές από την υπολογιστική ισχύ έως τον φόρο ψηφιακών υπηρεσιών των μεγάλων εταιρειών.

Στην Ελλάδα το ερώτημα έχει απαντηθεί, καθώς το άρθρο 64 του ν. 4727/2020, με το οποίο ενσωματώθηκε η ευρωπαϊκή οδηγία για τα ανοιχτά δεδομένα, ορίζει ότι η περαιτέρω χρήση γίνεται καταρχήν δωρεάν και μόνο σε ειδικές περιπτώσεις επιτρέπει την ανάκτηση του οριακού κόστους. Οι εξαιρέσεις αφορούν φορείς που υποχρεούνται να καλύπτουν από ίδια έσοδα ουσιώδες μέρος του κόστους τους,όπως είναι οι βιβλιοθήκες, τα μουσεία και αρχεία, καθώς και ορισμένες δημόσιες επιχειρήσεις. Και εκεί όμως τα έσοδα δεν μπορούν να ξεπερνούν το κόστος συν μια εύλογη απόδοση, και τα τέλη υπολογίζονται με κριτήρια αντικειμενικά, διαφανή και επαληθεύσιμα. Τα σύνολα δεδομένων υψηλής αξίας και τα ερευνητικά δεδομένα διατίθενται σε κάθε περίπτωση δωρεάν. Ο ελληνικός νόμος, λοιπόν, βρίσκεται πιο κοντά σε αυτό που οι Βρετανοί φοβούνται ότι θα χάσουν παρά σε αυτό που σκέφτονται να υιοθετήσουν.

Η εφαρμοσμένη πρακτική είναι βέβαια πιο θολή. Στο Κτηματολόγιο, για παράδειγμα, μπορεί κανείς να δει δωρεάν τις ορθοφωτογραφίες ολόκληρης της χώρας, για να τις αποκτήσει όμως μαζί με τα ψηφιακά μοντέλα εδάφους χρειάζεται αίτηση, ενώ οι σαρωμένες αεροφωτογραφίες του αρχείου του πωλούνται ηλεκτρονικά, προς 11 ευρώ η καθεμία στα 400 dpi και 35 ευρώ στα 1.000 dpi, χωρίς ΦΠΑ. Για τις παλιές αεροφωτογραφίες, που είναι αρχειακό υλικό και όχι ορθοφωτογραφίες, η χρέωση μπορεί να στέκει. Οι ορθοφωτογραφίες και τα ψηφιακά μοντέλα εδάφους όμως συγκαταλέγονται ρητά στα σύνολα δεδομένων υψηλής αξίας, που πρέπει να διατίθενται δωρεάν, με ανοιχτή άδεια και μέσω API και μαζικής λήψης, κάτι που μια αίτηση προς τον φορέα δύσκολα καλύπτει. Στην ίδια κατηγορία ανήκουν και τα κτηματολογικά γεωτεμάχια, δηλαδή η γεωμετρία των ιδιοκτησιών χωρίς τα στοιχεία των ιδιοκτητών, τα οποία πάντως ο φορέας διαθέτει ήδη για λήψη από τη γεωπύλη του. Μια διάταξη ενός νόμου του 2013 προέβλεπε δωρεάν διάθεση των δεδομένων της τότε ΕΚΧΑ Α.Ε. μόνο για μη εμπορικούς σκοπούς. Δεν βρήκα ρητή κατάργησή της, όμως η εταιρεία καταργήθηκε το 2018 και ο γενικός κανόνας για την περαιτέρω χρήση είναι πλέον ο νόμος του 2020, που τέτοια διάκριση δεν κάνει.

Δεν ισχυρίζομαι ότι κάτι από αυτά είναι παράνομο. Θα το ξεκαθάριζε η απόφαση διάθεσης δεδομένων που ζητά η εγκύκλιος, όμως έως τις 11 Οκτωβρίου δεν τη βρήκα αναρτημένη στη Διαύγεια, παρότι η προθεσμία είχε λήξει στις αρχές του μήνα. Αυτό που βρίσκει κανείς εκεί είναι περίπου τριάντα αποφάσεις «χορήγησης κτηματολογικών στοιχείων» μόνο από τον Ιούλιο, μία για κάθε αποδέκτη, σε υπουργεία, περιφέρειες, δήμους και τον ΑΔΜΗΕ. Ένα μέρος αυτής της διαδικασίας είναι βέβαια αναπόφευκτο, αφού τα κτηματολογικά στοιχεία περιέχουν συχνά προσωπικά δεδομένα ιδιοκτησίας. Δείχνει όμως ότι η πρόσβαση στα δεδομένα του φορέα περνά ακόμη από την αίτηση και την ατομική απόφαση, και όχι από έναν δημόσιο κατάλογο που λέει τι διατίθεται και με ποιους όρους. Γεγονός είναι ότι στον σημαντικότερο ίσως γεωχωρικό φορέα της χώρας η γραμμή ανάμεσα στο δωρεάν, την αίτηση και την πώληση δεν έχει γίνει ποτέ αντικείμενο δημόσιας συζήτησης, και ότι για τα πιο πολύτιμα από αυτά τα δεδομένα η ευρωπαϊκή νομοθεσία δεν αφήνει πια περιθώρια.

Στις 3 Ιουλίου η Ειδική Γραμματεία Τεχνητής Νοημοσύνης και Διακυβέρνησης Δεδομένων εξέδωσε εγκύκλιο που ζητά από κάθε δημόσιο φορέα να αναρτήσει στη Διαύγεια, μέσα σε τρεις μήνες, μια «Απόφαση διάθεσης δεδομένων». Εκεί ο φορέας καταγράφει τι διαθέτει ανοιχτά, τι δεν διαθέτει και γιατί, καθώς και τι διαθέτει «με αιτιολογημένη και διαφανή επιβολή τελών». Η προθεσμία έληξε στις αρχές Οκτωβρίου. Η ίδια εγκύκλιος δίνει έξι μήνες, δηλαδή έως τις αρχές Ιανουαρίου του 2027, για να διατεθούν τα σύνολα δεδομένων υψηλής αξίας, δηλαδή γεωχωρικά, μετεωρολογικά, στατιστικά, εταιρικά, περιβαλλοντικά και δεδομένα κινητικότητας. Ο ευρωπαϊκός κανονισμός που τα καθιστά υποχρεωτικά δωρεάν ισχύει όμως από τις 9 Ιουνίου 2024. Για πρώτη φορά, λοιπόν, θα υπάρξει σε δημόσια θέα ένας χάρτης του ποιος χρεώνει τι και γιατί, αν φυσικά οι φορείς κάνουν σωστά τη δουλειά τους.

Αυτές τις πληροφορίες θα ήταν κρίμα να τις αφήσουμε κατακερματισμένες σε εκατοντάδες PDF. Τα τέλη που δηλώνουν οι φορείς θα μπορούσαν να συγκεντρωθούν σε ένα δημόσιο πίνακα, μαζί με τα έσοδα που πράγματι εισπράττονται και το κόστος που προορίζεται να καλύπτουν, ώστε να δούμε αν κάποια από αυτά φέρνουν περισσότερα απ’ όσα κοστίζει η ίδια η είσπραξή τους. Το φυσικό σημείο για κάτι τέτοιο υπάρχει ήδη, είναι η ετήσια έκθεση που ο Υπουργός Ψηφιακής Διακυβέρνησης υποβάλλει στον Πρόεδρο της Βουλής μετά από δημόσια διαβούλευση. Θα πρόσθετα δύο ακόμη πράγματα. Τα βασικά μητρώα της χώρας, διευθύνσεις, χάρτες, επιχειρήσεις, χρειάζονται δική τους γραμμή στον προϋπολογισμό, όπως η συντήρηση των δρόμων, και όχι να εξαρτώνται από το πόσα θα πουλήσουν. Και αν θέλουμε οι μεγάλες εταιρείες τεχνητής νοημοσύνης να συνεισφέρουν σε όσα αξιοποιούν, η συνεισφορά αυτή ανήκει στη φορολογία και στους όρους των συμβάσεων που υπογράφει μαζί τους το δημόσιο, όχι σε ένα ταμείο στην πόρτα που θα κλείσει έξω όλους τους άλλους.

Τα δεδομένα κοστίζουν, και κάποιος πάντα θα τα πληρώνει. Όταν πληρώνονται από τον προϋπολογισμό, τα πληρώνουμε όλοι μία φορά και τα αξιοποιεί όποιος έχει μια ιδέα. Όταν πληρώνονται στην πόρτα, τα ξαναπληρώνει κάθε φορά όποιος έχει τα λιγότερα, ενώ όποιος έχει τα περισσότερα διαπραγματεύεται την τιμή. Η πολιτεία δεν χρειάζεται να ξανανοίξει αυτή τη συζήτηση, την έχει κλείσει με νόμο πριν από έξι χρόνια. Αυτό που μένει να δείξει, με την προθεσμία του Ιανουαρίου μπροστά της, είναι ότι εφαρμόζει τους κανόνες που η ίδια έχει θεσπίσει.

Ανοιχτή και ασφαλής επικοινωνία με έλεγχο των δεδομένων
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για το Ανοιχτό Λογισμικό

Μια λύση ανοιχτού κώδικα που επιτρέπει σε δημόσιους φορείς, πανεπιστήμια, επιχειρήσεις και οργανώσεις να δημιουργήσουν τις δικές τους υποδομές επικοινωνίας, περιορίζοντας την εξάρτηση από κλειστές εμπορικές πλατφόρμες.

Γιατί χρειαζόμαστε ανοιχτές υποδομές επικοινωνίας;

Η καθημερινή επικοινωνία οργανισμών και επιχειρήσεων εξαρτάται όλο και περισσότερο από πλατφόρμες όπως το Microsoft Teams, το Slack και το WhatsApp. Παρότι προσφέρουν σημαντικές δυνατότητες, η εξάρτηση από συγκεκριμένους παρόχους δημιουργεί ερωτήματα σχετικά με τον έλεγχο των δεδομένων, τη διαλειτουργικότητα, το κόστος και τη δυνατότητα μεταφοράς σε διαφορετικές υποδομές.

Για το Δημόσιο, τα πανεπιστήμια και τους οργανισμούς που διαχειρίζονται ευαίσθητες πληροφορίες, η επιλογή μιας πλατφόρμας επικοινωνίας δεν είναι απλώς τεχνικό ζήτημα. Συνδέεται με την προστασία των προσωπικών δεδομένων, την επιχειρησιακή συνέχεια και την ψηφιακή αυτονομία.

Το Element Server Suite Community Edition (ESS Community) προσφέρει μια εναλλακτική προσέγγιση, βασισμένη στο ανοιχτό πρότυπο Matrix. Επιτρέπει σε έναν οργανισμό να λειτουργεί τη δική του υποδομή ανταλλαγής μηνυμάτων και συνεργασίας, χωρίς να είναι υποχρεωμένος να χρησιμοποιεί τις υπηρεσίες φιλοξενίας ενός συγκεκριμένου εμπορικού παρόχου.

Τι είναι το ESS Community και πώς λειτουργεί;

Το ESS Community είναι η κοινοτική έκδοση της σουίτας διακομιστών Element, σχεδιασμένη για την εγκατάσταση και διαχείριση υπηρεσιών επικοινωνίας βασισμένων στο Matrix.

Το Matrix είναι ένα ανοιχτό, αποκεντρωμένο πρωτόκολλο επικοινωνίας πραγματικού χρόνου. Σε αντίθεση με τις κλειστές πλατφόρμες, επιτρέπει σε διαφορετικούς διακομιστές να επικοινωνούν μεταξύ τους, με τρόπο αντίστοιχο της ομοσπονδιακής λειτουργίας του ηλεκτρονικού ταχυδρομείου.

Κάθε οργανισμός μπορεί να διαθέτει τον δικό του διακομιστή, να διαχειρίζεται τους λογαριασμούς χρηστών και να καθορίζει τις πολιτικές πρόσβασης και ασφάλειας. Εφόσον το επιθυμεί, μπορεί να επικοινωνεί και με χρήστες άλλων διακομιστών Matrix.

Η υποδομή υποστηρίζει συνομιλίες μεταξύ χρηστών, ομαδικούς χώρους συνεργασίας, ανταλλαγή αρχείων και κρυπτογράφηση από άκρο σε άκρο στις κατάλληλα διαμορφωμένες συνομιλίες. Η πρόσβαση πραγματοποιείται μέσω συμβατών εφαρμογών, όπως το Element.

Η ασφαλής λειτουργία προϋποθέτει σωστή παραμετροποίηση, τακτικές ενημερώσεις και κατάλληλη διαχείριση των κλειδιών κρυπτογράφησης.

Πού μπορεί να αξιοποιηθεί στην Ελλάδα;

Στη δημόσια διοίκηση, το ESS Community μπορεί να αποτελέσει κοινή υποδομή επικοινωνίας μεταξύ υπουργείων, περιφερειών, δήμων και εποπτευόμενων οργανισμών. Οι υπηρεσίες μπορούν να δημιουργούν θεματικούς χώρους συνεργασίας, να συντονίζουν έργα και να ανταλλάσσουν πληροφορίες χωρίς να απαιτείται η χρήση εξωτερικών εμπορικών πλατφορμών.

Ιδιαίτερα σημαντική είναι η αξιοποίησή του στην τοπική αυτοδιοίκηση. Μικροί δήμοι που δεν διαθέτουν επαρκές τεχνικό προσωπικό μπορούν να συμμετέχουν σε κοινές εγκαταστάσεις, τις οποίες διαχειρίζεται ένας διαδημοτικός ή περιφερειακός φορέας. Έτσι επιτυγχάνονται οικονομίες κλίμακας, χωρίς να χάνεται η οργανωτική αυτονομία κάθε δήμου.

Στα πανεπιστήμια και τα ερευνητικά κέντρα, μπορεί να υποστηρίξει ερευνητικές ομάδες, διεθνείς συνεργασίες, εργαστήρια και κοινότητες φοιτητών. Η ομοσπονδιακή αρχιτεκτονική του Matrix επιτρέπει τη συνεργασία διαφορετικών ιδρυμάτων, χωρίς να απαιτείται η μεταφορά όλων των χρηστών σε μία κεντρική πλατφόρμα.

Στις μικρομεσαίες επιχειρήσεις και στους συνεταιρισμούς, μπορεί να λειτουργήσει ως εναλλακτική λύση για την εσωτερική επικοινωνία και τον συντονισμό ομάδων. Οι επιχειρήσεις μπορούν να επιλέγουν τον πάροχο φιλοξενίας, να διατηρούν τον έλεγχο της υποδομής τους και να αποφεύγουν την εξάρτηση από ένα αποκλειστικό οικοσύστημα.

Αντίστοιχα, οργανώσεις της κοινωνίας των πολιτών, επαγγελματικές ενώσεις και κοινότητες ανοιχτού λογισμικού μπορούν να δημιουργούν χώρους συνεργασίας, στους οποίους η πρόσβαση και η διαχείριση καθορίζονται από τις ίδιες.

Ασφάλεια, διαλειτουργικότητα και ψηφιακή αυτονομία

Ένα σημαντικό πλεονέκτημα του ESS Community είναι ότι επιτρέπει την εγκατάσταση σε υποδομές που ελέγχει ο οργανισμός, είτε σε δικά του συστήματα είτε σε επιλεγμένο πάροχο φιλοξενίας.

Αυτό δεν σημαίνει ότι η αυτοφιλοξενία εξασφαλίζει αυτομάτως την προστασία των δεδομένων. Απαιτούνται πολιτικές ασφάλειας, αντίγραφα ασφαλείας, έλεγχος πρόσβασης, παρακολούθηση της λειτουργίας και συμμόρφωση με τον Γενικό Κανονισμό Προστασίας Δεδομένων.

Η χρήση ανοιχτού πρωτοκόλλου διευκολύνει τη διαλειτουργικότητα και περιορίζει τον εγκλωβισμό σε συγκεκριμένο προμηθευτή. Παράλληλα, επιτρέπει τη σύνδεση με συστήματα ταυτοποίησης και άλλες εφαρμογές, ανάλογα με τις διαθέσιμες δυνατότητες και τις απαιτούμενες διασυνδέσεις.

Είναι σημαντικό, ωστόσο, να διευκρινιστεί ότι η κρυπτογράφηση από άκρο σε άκρο δεν καλύπτει αυτομάτως κάθε μορφή επικοινωνίας ή όλα τα μεταδεδομένα. Η επιλογή των κατάλληλων ρυθμίσεων και η αξιολόγηση κινδύνων παραμένουν απαραίτητες.

Από τις μεμονωμένες εγκαταστάσεις σε κοινές ψηφιακές υποδομές

Η αξιοποίηση του ESS Community θα μπορούσε να αποτελέσει μέρος μιας ευρύτερης ελληνικής στρατηγικής για ανοιχτές ψηφιακές υποδομές.

Μια πρακτική αφετηρία θα ήταν η δημιουργία πιλοτικών εγκαταστάσεων σε πανεπιστήμια, δήμους και δημόσιους οργανισμούς, με κοινή τεχνική τεκμηρίωση, εκπαίδευση διαχειριστών και αξιολόγηση της ασφάλειας, της αξιοπιστίας και του συνολικού κόστους λειτουργίας.

Η συνεργασία της ΕΕΛΛΑΚ, ΕΔΥΤΕ, ακαδημαϊκών ιδρυμάτων και της αυτοδιοίκησης θα μπορούσε να υποστηρίξει την ανάπτυξη κοινών υπηρεσιών Matrix, με επαναχρησιμοποιήσιμες τεχνικές λύσεις και δυνατότητα διασύνδεσης μεταξύ ανεξάρτητων φορέων.

Το σημαντικότερο όφελος δεν είναι μόνο η ενδεχόμενη μείωση του κόστους αδειών χρήσης. Είναι η δημιουργία εγχώριας τεχνογνωσίας, η δυνατότητα ανεξάρτητης διαχείρισης και η ενίσχυση της συνεργασίας πάνω σε ανοιχτά πρότυπα.

Η ψηφιακή αυτονομία δεν σημαίνει απομόνωση από τις διεθνείς τεχνολογικές εξελίξεις. Σημαίνει δυνατότητα επιλογής, συνεργασίας και αλλαγής παρόχου χωρίς απώλεια του ελέγχου των δεδομένων και των επικοινωνιών. Το ESS Community μπορεί να αποτελέσει ένα πρακτικό βήμα προς αυτή την κατεύθυνση.

Πηγές και τεχνική τεκμηρίωση:

1. Element, Element Server Suite Community: Η επίσημη παρουσίαση της κοινοτικής έκδοσης, με τις δυνατότητες, τους περιορισμούς και τη σύγκρισή της με την επαγγελματική έκδοση. Διευκρινίζει ότι προορίζεται κυρίως για μη επαγγελματικές εγκαταστάσεις και αξιολόγηση, με ενδεικτικό μέγεθος έως 100 χρηστών, και ότι δεν παρέχει τις εγγυήσεις συμμόρφωσης και υποστήριξης της ESS Pro: https://element.io/server-suite/community

2. Element, ESS Community GitHub Repository: Το επίσημο αποθετήριο ανοιχτού κώδικα, με άδεια AGPLv3, οδηγίες εγκατάστασης μέσω Helm και Kubernetes, τεχνικές απαιτήσεις και περιγραφή των συστατικών Synapse, Matrix Authentication Service, Element Web, Element Call και Element Admin. Αποτελεί την κύρια πηγή για πιλοτική εγκατάσταση και τεχνική αξιολόγηση: https://github.com/element-hq/ess-helm

3. Matrix.org, Matrix Distributions: Ο επίσημος κατάλογος διανομών του οικοσυστήματος Matrix, στον οποίο περιλαμβάνεται το ESS Community μαζί με εναλλακτικές λύσεις. Επιτρέπει τη σύγκριση τεχνολογιών, αδειών χρήσης και μεθόδων εγκατάστασης για την επιλογή κατάλληλης ανοιχτής υποδομής: https://matrix.org/ecosystem/distributions/

Τα μαθηματικά πίσω από τα μεγάλα γλωσσικά μοντέλα
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για τα Ανοιχτά Μαθήματα

Από τη γραμμική άλγεβρα και τη στατιστική έως τους μετασχηματιστές και τις GPU, μια περιήγηση στις μαθηματικές αρχές της σύγχρονης Τεχνητής Νοημοσύνης.

Η γλώσσα ως μαθηματικό πρόβλημα

Πώς μπορεί μια μηχανή να γράφει κείμενα, να μεταφράζει, να προγραμματίζει και να απαντά σε επιστημονικά ερωτήματα; Η απάντηση δεν βρίσκεται σε κάποιον μυστηριώδη μηχανισμό τεχνητής σκέψης. Βρίσκεται στον συνδυασμό μαθηματικών μεθόδων που αναπτύχθηκαν επί δεκαετίες: γραμμικής άλγεβρας, θεωρίας πιθανοτήτων, διαφορικού λογισμού, αριθμητικής βελτιστοποίησης και θεωρίας πληροφορίας.

Τα μεγάλα γλωσσικά μοντέλα (Large Language Models, LLMs) εκπαιδεύονται ώστε να εκτιμούν ποιο είναι το πιθανότερο επόμενο τμήμα κειμένου, λαμβάνοντας υπόψη όσα έχουν προηγηθεί. Αυτή η φαινομενικά απλή διαδικασία, όταν πραγματοποιείται σε τεράστια κλίμακα, οδηγεί στην εκμάθηση σύνθετων γλωσσικών, εννοιολογικών και στατιστικών σχέσεων.

Η βασική αρχή μπορεί να εκφραστεί ως:

Το μοντέλο υπολογίζει μια κατανομή πιθανοτήτων για το επόμενο στοιχείο της ακολουθίας. Δεν αναζητά απλώς την επόμενη λέξη σε ένα λεξικό. Υπολογίζει πιθανότητες για μικρότερες ή μεγαλύτερες μονάδες κειμένου, που ονομάζονται tokens.

Από τις λέξεις στα διανύσματα

Ο υπολογιστής δεν επεξεργάζεται απευθείας τις έννοιες των λέξεων. Κάθε στοιχείο κειμένου αντιστοιχίζεται αρχικά σε έναν αριθμητικό κωδικό και στη συνέχεια σε ένα διάνυσμα, δηλαδή σε μια ακολουθία πραγματικών αριθμών.

Για παράδειγμα, η λέξη «επιστήμη» μπορεί να αναπαρίσταται από ένα διάνυσμα εκατοντάδων ή χιλιάδων διαστάσεων. Οι τιμές του δεν αντιστοιχούν υποχρεωτικά σε ανθρώπινα αναγνωρίσιμες έννοιες. Προκύπτουν κατά την εκπαίδευση, ώστε να διευκολύνουν την πρόβλεψη και την επεξεργασία της γλώσσας.

Η ομοιότητα δύο διανυσμάτων μπορεί να μετρηθεί με τη συνημιτονική ομοιότητα:

Όσο μεγαλύτερη είναι η τιμή, τόσο περισσότερο ευθυγραμμίζονται τα διανύσματα. Η μέθοδος χρησιμοποιείται ευρέως στην αναζήτηση σημασιολογικά συναφών κειμένων, αν και η πραγματική επεξεργασία των LLMs είναι πολύ πιο σύνθετη.

Έτσι, η γλώσσα μετατρέπεται σε ένα μαθηματικό περιβάλλον όπου οι σχέσεις μπορούν να εκφραστούν μέσω πράξεων μεταξύ διανυσμάτων και πινάκων.

Ο μηχανισμός προσοχής: Πώς συνδέονται οι λέξεις

Η σημαντικότερη αρχιτεκτονική καινοτομία των σύγχρονων LLMs είναι ο μετασχηματιστής (Transformer), που παρουσιάστηκε το 2017.

Ο βασικός μηχανισμός του είναι η αυτοπροσοχή (self-attention). Επιτρέπει σε κάθε στοιχείο του κειμένου να αξιοποιεί πληροφορίες από άλλα στοιχεία της ακολουθίας, ανάλογα με τη συνάφειά τους.

Στη φράση «Η ερευνήτρια δημοσίευσε τη μελέτη της επειδή είχε ολοκληρώσει την ανάλυση», το μοντέλο πρέπει να αναγνωρίσει τις σχέσεις ανάμεσα στην ερευνήτρια, τη μελέτη και την ανάλυση.

Αυτό πραγματοποιείται με τρεις μαθηματικές αναπαραστάσεις: ερώτημα (Query), κλειδί (Key) και τιμή (Value).

Ο βασικός τύπος είναι:

Ο πολλαπλασιασμός των πινάκων υπολογίζει βαθμούς συνάφειας. Η διαίρεση με την τετραγωνική ρίζα της διάστασης περιορίζει την αριθμητική κλίμακα των αποτελεσμάτων. Η συνάρτηση softmax μετατρέπει αυτούς τους βαθμούς σε βάρη που αθροίζονται στη μονάδα.

Στα μοντέλα παραγωγής κειμένου εφαρμόζεται επίσης περιορισμός, ώστε κάθε θέση να μην αξιοποιεί μελλοντικά στοιχεία της ακολουθίας.

Ο μηχανισμός δεν αποδεικνύει ότι η μηχανή κατανοεί τη γλώσσα όπως ο άνθρωπος. Δείχνει όμως πώς μπορεί να μαθαίνει και να αξιοποιεί σύνθετες σχέσεις μέσα στο κείμενο.

Πώς μαθαίνει ένα μοντέλο: Σφάλμα και παράγωγοι

Κατά την εκπαίδευση, το μοντέλο παράγει πιθανότητες και συγκρίνει τις προβλέψεις του με τα πραγματικά στοιχεία του εκπαιδευτικού κειμένου.

Μια συνηθισμένη συνάρτηση απώλειας είναι η διασταυρούμενη εντροπία:

Εδώ, yᵢ είναι η πραγματική κατανομή και pᵢ η προβλεπόμενη. Όταν η σωστή απάντηση έχει μικρή πιθανότητα, η απώλεια αυξάνεται.

Το μοντέλο προσπαθεί να ελαχιστοποιήσει αυτή την ποσότητα, τροποποιώντας τις παραμέτρους του.

Η θεμελιώδης ιδέα της καθόδου κλίσης περιγράφεται ως:

Οι παράμετροι μεταβάλλονται προς την κατεύθυνση που μειώνει το σφάλμα, με ρυθμό που εξαρτάται από το βήμα μάθησης.

Στην πράξη χρησιμοποιούνται πιο σύνθετοι αλγόριθμοι, όπως ο AdamW. Οι απαραίτητες παράγωγοι υπολογίζονται με οπισθοδιάδοση του σφάλματος, εφαρμόζοντας επανειλημμένα τον κανόνα της αλυσίδας.

Η εκπαίδευση ενός LLM είναι επομένως μια τεράστια διαδικασία αριθμητικής βελτιστοποίησης, όχι χειροκίνητη εισαγωγή κανόνων γραμματικής ή γνώσεων.

Γιατί απαιτούνται τόσο ισχυροί υπολογιστές

Το μεγαλύτερο μέρος των υπολογισμών ενός LLM αποτελείται από πολλαπλασιασμούς πινάκων. Αυτές οι πράξεις μπορούν να εκτελούνται παράλληλα, γεγονός που εξηγεί τη σημασία των επεξεργαστών γραφικών (GPU).

Οι εξειδικευμένες μονάδες Tensor Cores επιταχύνουν τις πράξεις πινάκων, συχνά χρησιμοποιώντας αριθμητικές αναπαραστάσεις μειωμένης ακρίβειας.

Ωστόσο, η ταχύτητα δεν εξαρτάται μόνο από την υπολογιστική ισχύ. Εξαρτάται επίσης από το πόσο γρήγορα μεταφέρονται δεδομένα μεταξύ μνήμης και επεξεργαστή.

Ο κλασικός μηχανισμός αυτοπροσοχής απαιτεί υπολογισμούς που αυξάνονται τετραγωνικά με το μήκος της ακολουθίας, όταν υπολογίζονται οι συσχετίσεις όλων των θέσεων.

Γι’ αυτό αναπτύχθηκαν τεχνικές όπως το FlashAttention, που μειώνει τις μεταφορές δεδομένων και τη χρήση ενδιάμεσης μνήμης, χωρίς να αντικαθιστά τον βασικό μαθηματικό ορισμό της ακριβούς προσοχής.

Κατά την παραγωγή κειμένου, η προσωρινή αποθήκευση προηγούμενων κλειδιών και τιμών, γνωστή ως KV cache, αποφεύγει περιττούς επανυπολογισμούς. Τεχνικές όπως το Grouped-Query Attention μειώνουν περαιτέρω τις ανάγκες μνήμης.

Τι μπορούν και τι δεν μπορούν να εξηγήσουν τα μαθηματικά

Η μαθηματική περιγραφή εξηγεί πώς ένα μοντέλο υπολογίζει πιθανότητες, μαθαίνει παραμέτρους και παράγει απαντήσεις. Δεν εξηγεί ακόμη πλήρως πώς αναδύονται όλες οι ικανότητές του.

Η παραγωγή πειστικού κειμένου δεν εγγυάται πραγματολογική ορθότητα. Ένα μοντέλο μπορεί να παράγει μια στατιστικά εύλογη αλλά λανθασμένη απάντηση, επειδή η πιθανότητα μιας ακολουθίας δεν ταυτίζεται με την αλήθεια της.

Αυτό έχει ιδιαίτερη σημασία για την επιστημονική έρευνα. Η αξιολόγηση πρέπει να εξετάζει όχι μόνο τη γλωσσική ποιότητα, αλλά και την ακρίβεια, την τεκμηρίωση, την αναπαραγωγιμότητα και την αβεβαιότητα.

Τα ανοιχτά μοντέλα, ιδίως εκείνα που δημοσιεύουν κώδικα, βάρη, δεδομένα και πληροφορίες εκπαίδευσης, επιτρέπουν στους ερευνητές να εξετάζουν τις μαθηματικές υποθέσεις, να αναπαράγουν πειράματα και να εντοπίζουν περιορισμούς.

Από τη μαθηματική γνώση στην ανοιχτή επιστήμη

Για έναν επιστήμονα που δεν ειδικεύεται στην Τεχνητή Νοημοσύνη, δεν είναι απαραίτητο να γνωρίζει κάθε λεπτομέρεια της αρχιτεκτονικής ενός LLM. Είναι όμως χρήσιμο να κατανοεί πέντε θεμελιώδεις έννοιες: διανύσματα, πολλαπλασιασμό πινάκων, πιθανότητες, παραγώγους και αριθμητική βελτιστοποίηση.

Αυτές αποτελούν τη βάση πάνω στην οποία στηρίζονται οι σύγχρονες τεχνικές, από την αυτοπροσοχή έως την εκπαίδευση και την αποδοτική εκτέλεση.

Η κατανόησή τους επιτρέπει στους ερευνητές να αξιολογούν καλύτερα τις δυνατότητες και τους περιορισμούς της ΤΝ, αντί να αντιμετωπίζουν τα γλωσσικά μοντέλα ως ανεξήγητα τεχνολογικά συστήματα.

Το σημαντικότερο συμπέρασμα είναι ότι η επιστημονική πρόοδος στην ΤΝ δεν απαιτεί μόνο μεγαλύτερα μοντέλα και ισχυρότερους υπολογιστές. Απαιτεί ανοιχτές μεθόδους, επαληθεύσιμα αποτελέσματα και πρόσβαση στη γνώση που καθιστά δυνατή την ανεξάρτητη έρευνα.

Πηγή άρθρου : glossapi.gr

Τα μαθηματικά πίσω από τα μεγάλα γλωσσικά μοντέλα
by: Glossapi - Ανοικτή Υποδομή για Ελληνικά AI-Ready Δεδομένα

Η γλώσσα ως μαθηματικό πρόβλημα

Η βασική αρχή μπορεί να εκφραστεί ως:

Από τις λέξεις στα διανύσματα

Η ομοιότητα δύο διανυσμάτων μπορεί να μετρηθεί με τη συνημιτονική ομοιότητα:

Ο μηχανισμός προσοχής: Πώς συνδέονται οι λέξεις

Αυτό πραγματοποιείται με τρεις μαθηματικές αναπαραστάσεις: ερώτημα (Query), κλειδί (Key) και τιμή (Value).

Ο βασικός τύπος είναι:

Πώς μαθαίνει ένα μοντέλο: Σφάλμα και παράγωγοι

Μια συνηθισμένη συνάρτηση απώλειας είναι η διασταυρούμενη εντροπία:

Το μοντέλο προσπαθεί να ελαχιστοποιήσει αυτή την ποσότητα, τροποποιώντας τις παραμέτρους του.

Η θεμελιώδης ιδέα της καθόδου κλίσης περιγράφεται ως:

Γιατί απαιτούνται τόσο ισχυροί υπολογιστές

Τι μπορούν και τι δεν μπορούν να εξηγήσουν τα μαθηματικά

Από τη μαθηματική γνώση στην ανοιχτή επιστήμη

Πηγές και περαιτέρω μελέτη:

1. Vaswani et al. (2017), Attention Is All You Need: Η θεμελιώδης επιστημονική εργασία που εισήγαγε την αρχιτεκτονική Transformer. Παρουσιάζει τον μαθηματικό ορισμό της αυτοπροσοχής και τη δυνατότητα παράλληλης επεξεργασίας ακολουθιών https://arxiv.org/abs/1706.03762,

2. Harvard NLP, The Annotated Transformer: Αναλυτική παρουσίαση της αρχιτεκτονικής Transformer, με μαθηματικές εξηγήσεις και εκτελέσιμο κώδικα Python. Ιδιαίτερα χρήσιμη για επιστήμονες που θέλουν να συνδέσουν τις εξισώσεις με την υλοποίηση https://nlp.seas.harvard.edu/annotated-transformer/,

3. Jay Alammar, The Illustrated Transformer: Εκπαιδευτική παρουσίαση των διανυσματικών αναπαραστάσεων, της αυτοπροσοχής και των διαδοχικών υπολογισμών, με οπτικά παραδείγματα https://jalammar.github.io/illustrated-transformer/,

4. Cho et al. (2024), Transformer Explainer: Διαδραστική εκπαιδευτική προσέγγιση που επιτρέπει την παρακολούθηση της επεξεργασίας κειμένου μέσα σε έναν Transformer. Συνδέει τη μαθηματική θεωρία με οπτικοποιήσεις https://arxiv.org/abs/2408.04619,

5. Loshchilov & Hutter (2019), Decoupled Weight Decay Regularization: Η εργασία που εισήγαγε τον AdamW, εξηγώντας τη μαθηματική σχέση μεταξύ προσαρμοστικής βελτιστοποίησης και κανονικοποίησης παραμέτρων https://arxiv.org/abs/1711.05101,

6. Dao et al. (2022), FlashAttention: Fast and Memory-Efficient Exact Attention with IO-Awareness: Εξηγεί πώς η καλύτερη οργάνωση της μεταφοράς δεδομένων στη μνήμη επιταχύνει τους υπολογισμούς προσοχής, διατηρώντας την ακριβή μαθηματική λειτουργία https://arxiv.org/abs/2205.14135

7. Ainslie et al. (2023), GQA: Training Generalized Multi-Query Transformer Models from Multi-Head Checkpoints: Παρουσιάζει τον μηχανισμό Grouped-Query Attention και τη μείωση των απαιτήσεων μνήμης κατά την παραγωγή κειμένου https://arxiv.org/abs/2305.13245

8. Hoffmann et al. (2022), Training Compute-Optimal Large Language Models: Η εργασία Chinchilla εξετάζει τη σχέση ανάμεσα στο μέγεθος μοντέλου, την ποσότητα δεδομένων εκπαίδευσης και τον διαθέσιμο υπολογιστικό προϋπολογισμό https://arxiv.org/abs/2203.15556

9. Elhage et al. (2021), A Mathematical Framework for Transformer Circuits: Ερευνητική προσέγγιση στην ερμηνεία των εσωτερικών υπολογισμών των μετασχηματιστών, με στόχο την κατανόηση του τρόπου με τον οποίο συνεργάζονται οι επιμέρους μηχανισμοί https://transformer-circuits.pub/2021/framework/index.html

H Τεχνητή Νοημοσύνη δεν έχει δώσει λύση σε κανένα από τα μεγάλα μαθηματικά προβλήματα
by: ΕΛ/ΛΑΚ: Ελεύθερο Λογισμικό στην Εκπαίδευση

Η Τεχνητή Νοημοσύνη αρχίζει να συμβάλλει ουσιαστικά στη μαθηματική έρευνα, αλλά δεν έχει ακόμη δώσει επιστημονικά αποδεκτή λύση σε κανένα από τα μεγάλα ανοιχτά προβλήματα. Οι πρόσφατες επιτυχίες της αναδεικνύουν τόσο τις δυνατότητές της όσο και την ανάγκη να διακρίνουμε την πραγματική ανακάλυψη από την αναζήτηση ήδη γνωστής γνώσης.

Έχει λύσει η Τεχνητή Νοημοσύνη κάποιο από τα μεγάλα μαθηματικά προβλήματα;

Η ιδέα ότι η Τεχνητή Νοημοσύνη (ΤΝ) μπορεί να λύσει μαθηματικά προβλήματα που παραμένουν άλυτα επί δεκαετίες ή αιώνες προκαλεί ενθουσιασμό. Τα τελευταία χρόνια, ισχυρά γλωσσικά μοντέλα έχουν παρουσιάσει εντυπωσιακές επιδόσεις σε μαθηματικούς διαγωνισμούς, στην παραγωγή αποδείξεων και στην υποβοήθηση ερευνητών. Ωστόσο, υπάρχει σημαντική απόσταση ανάμεσα στην επίλυση ενός δύσκολου προβλήματος διαγωνισμού και στην απόδειξη μιας μεγάλης μαθηματικής εικασίας.

Μέχρι τον Οκτώβριο του 2026, κανένα από τα μεγάλα ανοιχτά προβλήματα, όπως η υπόθεση Riemann, το πρόβλημα P έναντι NP ή τα εκκρεμή Προβλήματα της Χιλιετίας του Clay Mathematics Institute, δεν έχει αποκτήσει επιστημονικά αποδεκτή λύση χάρη στην ΤΝ.

Από τα επτά Προβλήματα της Χιλιετίας, μόνο η εικασία Poincaré έχει επιλυθεί, από τον μαθηματικό Grigori Perelman, με εργασίες που δημοσιεύθηκαν από το 2002 έως το 2003, πολύ πριν από τη σημερινή ανάπτυξη της ΤΝ.

Αυτό δεν σημαίνει ότι η ΤΝ δεν έχει συνεισφέρει στα μαθηματικά. Σημαίνει ότι χρειάζεται να εξετάζουμε προσεκτικά τι ακριβώς έχει επιτευχθεί, ποιος το επαλήθευσε και πόσο σημαντικό είναι το αποτέλεσμα.

Riemann και Navier–Stokes: Η διαφορά ανάμεσα στην πρόοδο και την απόδειξη

Η υπόθεση Riemann, που διατυπώθηκε το 1859, αφορά την κατανομή των πρώτων αριθμών και παραμένει ένα από τα σημαντικότερα ανοιχτά προβλήματα των μαθηματικών. Τον Αύγουστο του 2026 αναφέρθηκε πρόοδος με τη βοήθεια του Claude της Anthropic σε ένα ειδικό φράγμα σχετικό με τη συνάρτηση ζήτα. Ακόμη και αν το επιμέρους αποτέλεσμα επιβεβαιωθεί πλήρως, δεν συνιστά απόδειξη της υπόθεσης Riemann.

Αντίστοιχα, τον Σεπτέμβριο του 2026 η OpenAI ανακοίνωσε πρόταση λύσης σχετική με τις εξισώσεις Navier–Stokes, οι οποίες περιγράφουν την κίνηση των ρευστών. Η εργασία συνοδεύτηκε από τυπική επαλήθευση με το σύστημα Lean, αλλά δεν έχει αναγνωριστεί από το Clay Mathematics Institute ως επίλυση του αντίστοιχου Προβλήματος της Χιλιετίας.

Υπάρχει επιπλέον μια ουσιαστική μαθηματική διάκριση: η προτεινόμενη κατασκευή αφορά εξισώσεις με εξωτερική διέγερση και δεν επιλύει αυτομάτως την περίπτωση χωρίς εξωτερική διέγερση. Παράλληλα, προέκυψε δημόσια διαφωνία για την αναγνώριση προγενέστερης, μη δημοσιευμένης εργασίας μαθηματικών.

Το παράδειγμα δείχνει γιατί ακόμη και μια απόδειξη που ελέγχεται από υπολογιστή χρειάζεται σωστή διατύπωση, έλεγχο των υποθέσεων και ανεξάρτητη επιστημονική αξιολόγηση.

Τα προβλήματα του Erdős και η πραγματική συμβολή της ΤΝ

Πιο ενδιαφέρουσα είναι η πρόοδος σε προβλήματα που είχε συγκεντρώσει ο σπουδαίος μαθηματικός Paul Erdős. Πρόκειται για εκατοντάδες ερωτήματα διαφορετικής δυσκολίας, πολλά από τα οποία παρέμεναν ανοιχτά επί δεκαετίες.

Τον Μάιο του 2026, η OpenAI ανακοίνωσε ότι σύστημά της συνέβαλε στην κατάρριψη της εικασίας Erdős #90, κατασκευάζοντας μια άπειρη οικογένεια αντιπαραδειγμάτων. Στην επαλήθευση συμμετείχαν μαθηματικοί, μεταξύ των οποίων οι Mark Sellke και Mehtaab Sawhney. Η συγκεκριμένη εικασία καταρρίφθηκε, αλλά εξακολουθούν να υπάρχουν ανοιχτά ερωτήματα για το ακριβές εκθετικό φράγμα.

Στα προβλήματα Erdős #728 και #729 καταγράφηκαν επίσης ουσιαστικές συνεισφορές της ΤΝ, συμπεριλαμβανομένης της τυπικής απόδειξης με Lean. Ο Terence Tao περιέγραψε την πρόοδο στο #728 ως σχεδόν αυτόνομη, διευκρινίζοντας όμως ότι προηγήθηκε ανατροφοδότηση, ότι υπήρχαν συναφή αποτελέσματα στη βιβλιογραφία και ότι η αρχική διατύπωση του προβλήματος παρουσίαζε σφάλμα.

Αυτές οι λεπτομέρειες δεν μειώνουν την αξία των αποτελεσμάτων. Επιτρέπουν να κατανοήσουμε με ακρίβεια τη συμβολή της τεχνολογίας.

Πολλά προβλήματα ήταν άγνωστα, όχι κατ’ ανάγκην δύσκολα

Μια σημαντική μελέτη της Google DeepMind για το σύστημα Aletheia εξέτασε 700 προβλήματα Erdős τον Δεκέμβριο του 2025. Από 212 υποψήφιες απαντήσεις, 63 κρίθηκαν τεχνικά ορθές, αλλά μόλις 13 απαντούσαν στο ερώτημα όπως είχε αρχικά διατυπωθεί. Σε οκτώ περιπτώσεις, οι λύσεις υπήρχαν ήδη στη μαθηματική βιβλιογραφία.

Το εύρημα αποκαλύπτει μια συχνά παραγνωρισμένη πραγματικότητα: ένα πρόβλημα μπορεί να παραμένει καταγεγραμμένο ως ανοιχτό επειδή δεν έχει προσελκύσει αρκετή προσοχή ή επειδή η λύση του βρίσκεται σε μια δυσπρόσιτη δημοσίευση.

Η ΤΝ μπορεί να εντοπίσει τέτοιες συνδέσεις, να εξετάσει μεγάλες ποσότητες επιστημονικών εργασιών και να ανασυνθέσει επιχειρήματα πολύ ταχύτερα από έναν μεμονωμένο ερευνητή.

Αυτό αποτελεί πραγματική πρόοδο στην επιστημονική εργασία, αλλά δεν ισοδυναμεί πάντοτε με νέα μαθηματική ανακάλυψη. Επίσης, δεν δικαιολογεί το γενικό συμπέρασμα ότι όλα τα προβλήματα που αντιμετωπίζει επιτυχώς η ΤΝ είναι εύκολα. Ορισμένα απαιτούν πρωτότυπες και αξιόλογες μαθηματικές ιδέες.

Τι διακρίνει ο Terence Tao

Ο μαθηματικός Terence Tao έχει αναπτύξει δημόσια καταγραφή των συνεισφορών της ΤΝ στα προβλήματα Erdős. Η προσέγγισή του είναι ιδιαίτερα χρήσιμη, επειδή διαχωρίζει την επιστημονική αξία του αποτελέσματος από τον τρόπο παραγωγής του.

Μια πλήρης λύση δεν είναι το ίδιο με μια μερική πρόοδο. Ούτε η ανακάλυψη μιας ήδη δημοσιευμένης απόδειξης μπορεί να παρουσιάζεται ως πρωτότυπη επίλυση.

Ο Tao διακρίνει επιπλέον την αυτόνομη συνεισφορά της ΤΝ, την παραγωγή αποτελεσμάτων παράλληλων προς τη βιβλιογραφία, την αξιοποίηση γνωστών εργασιών και τη συνεργασία ανθρώπων με συστήματα ΤΝ. Καταγράφει ακόμη λανθασμένες και ανεπιβεβαίωτες προσπάθειες.

Η καταγραφή του, που καλύπτει περίπου εκατό περιπτώσεις έως τα μέσα του 2026, δεν αποτελεί οριστική επιστημονική αξιολόγηση. Αναδεικνύει όμως ένα θεμελιώδες ζήτημα: η πραγματική πρόοδος μετριέται από τη νέα γνώση που παράγεται και επαληθεύεται, όχι από τον αριθμό των προβλημάτων που εμφανίζονται ως λυμένα.

Από τις εντυπωσιακές ανακοινώσεις στην ανοιχτή μαθηματική έρευνα

Η σημαντικότερη προοπτική της ΤΝ δεν είναι απαραίτητα να αντικαταστήσει τον μαθηματικό. Είναι να ενισχύσει την ικανότητά του να διατυπώνει υποθέσεις, να εντοπίζει προηγούμενη γνώση, να δοκιμάζει αντιπαραδείγματα και να ελέγχει αποδείξεις.

Εργαλεία όπως το Lean, σε συνδυασμό με ανοιχτές βιβλιοθήκες μαθηματικών και συστήματα ΤΝ, μπορούν να συμβάλουν στη δημιουργία μιας νέας ερευνητικής υποδομής, όπου τα αποτελέσματα θα είναι αναπαραγώγιμα, ελέγξιμα και επαναχρησιμοποιήσιμα.

Για τα πανεπιστήμια και τα ερευνητικά κέντρα, η προτεραιότητα πρέπει να είναι η ανάπτυξη ανοιχτών μαθηματικών αποθετηρίων, η εκπαίδευση στη μηχανικά υποβοηθούμενη απόδειξη και η ανεξάρτητη αξιολόγηση των συστημάτων ΤΝ.

Η επιστημονική γνώση εξελίσσεται μέσα από τον ανοιχτό έλεγχο, την κριτική και τη δυνατότητα επαλήθευσης. Η ΤΝ μπορεί να επιταχύνει αυτή τη διαδικασία, όχι να την υποκαταστήσει.

Το πραγματικό επίτευγμα δεν θα είναι να ανακοινώνουμε ότι μια μηχανή έλυσε τα μεγαλύτερα προβλήματα των μαθηματικών, αλλά να δημιουργήσουμε τις προϋποθέσεις ώστε άνθρωποι και ανοιχτά συστήματα ΤΝ να παράγουν περισσότερη, καλύτερα τεκμηριωμένη και δημόσια προσβάσιμη επιστημονική γνώση.

Πηγές και τεκμηρίωση:

1. Clay Mathematics Institute, Millennium Prize Problems: Η καταγραφή των επτά Προβλημάτων της Χιλιετίας, από τα οποία μόνο η εικασία Poincaré έχει επιλυθεί. Αποτελεί τη βασική αναφορά για την κατάσταση των σημαντικότερων ανοιχτών μαθηματικών προβλημάτων: https://www.claymath.org/millennium-problems/,

2. Terence Tao και συνεργάτες, AI Contributions to Erdős Problems: Αναλυτική καταγραφή των συνεισφορών της ΤΝ, με διάκριση ανάμεσα σε πλήρεις λύσεις, μερική πρόοδο, λανθασμένες αποδείξεις και ανεπιβεβαίωτα αποτελέσματα. Περιλαμβάνει επίσης τη διάκριση ανάμεσα στην αυτόνομη ανακάλυψη, την αξιοποίηση βιβλιογραφίας και τη συνεργασία ανθρώπων και ΤΝ: https://github.com/teorth/erdosproblems/wiki/AI-contributions-to-Erd%C5%91s-problems,

3. Terence Tao και συνεργάτες, Notable Cases of AI Contributions to Erdős Problems: Παρουσιάζει σημαντικές περιπτώσεις, όπως τα προβλήματα #90, #728 και #1196. Τεκμηριώνει ότι υπάρχουν και ουσιαστικές πρωτότυπες συνεισφορές, όχι μόνο λύσεις προβλημάτων που παρέμεναν ανοιχτά λόγω περιορισμένης προσοχής: https://github.com/teorth/erdosproblems/wiki/Notable-cases-of-AI-contributions-to-Erd%C5%91s-problems,

4. Google DeepMind, Semi-Autonomous Mathematics Discovery with Gemini (Aletheia): Ερευνητική εργασία που εξετάζει την αξιοποίηση της ΤΝ στη μαθηματική έρευνα και τη διάκριση μεταξύ τεχνικά ορθών απαντήσεων, πραγματικών λύσεων και αποτελεσμάτων που προϋπήρχαν στη βιβλιογραφία: https://arxiv.org/abs/2601.22401,

5. Erdős Problems, Open Mathematical Problems Database: Ανοιχτή βάση μαθηματικών προβλημάτων του Paul Erdős, με περιγραφές, βιβλιογραφία και πληροφορίες για την πρόοδο στην επίλυσή τους. Επιτρέπει την ανεξάρτητη εξέταση των επιμέρους ισχυρισμών: https://www.erdosproblems.com/,

6. Computational Complexity Blog, Two Erdős Problems on Points in the Plane: Ανάλυση των εξελίξεων του Μαΐου 2026 στη διακριτή γεωμετρία, με αναφορές στην ανθρώπινη συμμετοχή και επαλήθευση των αποτελεσμάτων που συνδέονται με την ΤΝ: https://blog.computationalcomplexity.org/2026/05/two-erdos-problems-on-points-in-plane.html,

7. AIhub, An AI Solution to an 80-Year-Old Problem Has Shocked Mathematicians: Παρουσιάζει τη συμβολή της ΤΝ στην κατάρριψη της εικασίας Erdős #90 και εξηγεί τη σημασία της για τη μαθηματική έρευνα: https://aihub.org/2026/06/02/an-ai-solution-to-an-80-year-old-problem-has-shocked-mathematicians/,

8. The Guardian, OpenAI’s Mathematical Findings Draw Concerns from Experts: Δημοσίευμα της 7ης Οκτωβρίου 2026 για τις εκατοντάδες μαθηματικές εργασίες που παρουσίασε η OpenAI, τις αντιδράσεις ερευνητών και τα ζητήματα επιστημονικής επαλήθευσης, αναγνώρισης συνεισφορών και πρόσβασης στην έρευνα: https://www.theguardian.com/technology/2026/oct/07/openai-mathematical-findings-concerns,

9. The Verge, Mathematicians Will Need Years to Make Sense of OpenAI’s Latest Drop: Εξετάζει τον μεγάλο αριθμό αποτελεσμάτων που παρήγαγε η ΤΝ και την ανάγκη να αξιολογηθούν ανεξάρτητα ως προς την ορθότητα, την πρωτοτυπία και τη μαθηματική σημασία τους: https://www.theverge.com/ai-artificial-intelligence/1008726/openai-mathematics-solutions-chaos,

10. Lean, The Lean Programming Language and Theorem Prover: Η ιστοσελίδα του ανοιχτού συστήματος Lean, το οποίο χρησιμοποιείται για την τυπική διατύπωση και μηχανική επαλήθευση μαθηματικών αποδείξεων: https://lean-lang.org/,

11. Mathlib, The Lean Mathematical Library: Ανοιχτή, συνεργατικά αναπτυσσόμενη βιβλιοθήκη τυποποιημένων μαθηματικών γνώσεων και αποδείξεων. Αποτελεί βασική υποδομή για την αναπαραγωγιμότητα, την επαλήθευση και την επαναχρησιμοποίηση μαθηματικών αποτελεσμάτων: https://github.com/leanprover-community/mathlib4.

Ξεκινούν οι «Βικιεξορμήσεις» στην Ελλάδα
by: Wikimedia Greece

Έχετε αναρωτηθεί ποτέ πόσα χωριά, ιστορικά μνημεία, εκκλησίες, παραδοσιακές βρύσες ή τοπικές υποδομές στην Ελλάδα δεν διαθέτουν ούτε μία φωτογραφία στη Βικιπαίδεια ή παραμένουν αχαρτογράφητα στους ψηφιακούς χάρτες;

Με μεγάλη χαρά ανακοινώνουμε την έναρξη του προγράμματος «Βικιεξορμήσεις» (Wikiexpeditions Greece)! Πρόκειται για μια νέα, εξωστρεφή δράση που συνδυάζει την επιτόπια εξερεύνηση με τα ανοικτά δεδομένα, στοχεύοντας στη συστηματική τεκμηρίωση υποεκπροσωπούμενων περιοχών της χώρας μας.

Μικρές ομάδες εθελοντών θα ακολουθήσουν διαδρομές πολλών χιλιομέτρων, σχεδιασμένες από πριν, προκειμένου να φωτογραφήσουν, να καταγράψουν, να χαρτογραφήσουν χωριά για τα οποία υπάρχει πολύ μικρή κάλυψη, στη Βικιπαίδεια και στο OpenStreetMap.

Τι είναι οι Βικιεξορμήσεις;

Οι Βικιεξορμήσεις βασίζονται σε ένα επιτυχημένο μοντέλο που εφαρμόζεται ήδη σε αρκετές χώρες της Ευρώπης. Δεν πρόκειται απλώς για μια φωτογραφική εκδρομή, αλλά για έναν πλήρη κύκλο τεκμηρίωσης του ανθρωπογενούς χώρου.

Μικρές ομάδες εθελοντών θα ακολουθήσουν διαδρομές σχεδιασμένες από πριν προκειμένου να φωτογραφήσουν, να καταγράψουν, να χαρτογραφήσουν χωριά για τα οποία υπάρχει πολύ μικρή κάλυψη, στη Βικιπαίδεια και στο OpenStreetMap.

Μέσα από οργανωμένες αποστολές στο πεδίο και συντονισμένη δουλειά από το σπίτι, συνδέουμε ταυτόχρονα τέσσερα σπουδαία ανοικτά εγχειρήματα:

Βικιπαίδεια: Δημιουργία και εμπλουτισμός λημμάτων για οικισμούς, ιστορία και αξιοθέατα.
Wikimedia Commons: Συλλογή ελεύθερου φωτογραφικού υλικού, πανοραμάτων 360° και εναέριων λήψεων.
Wikidata: Δημιουργία και σύνδεση δομημένων δεδομένων για κάθε σημείο ενδιαφέροντος.
OpenStreetMap (OSM): Λεπτομερής επιτόπια χαρτογράφηση δρόμων, μονοπατιών και υποδομών.

Υπάρχει ένας ρόλος για όλες και όλους!

Η επιτυχία μιας Βικιεξόρμησης βασίζεται στην ομαδική δουλειά και δεν απαιτεί εξειδικευμένες γνώσεις για να ξεκινήσει κανείς. Μπορείτε να συμμετάσχετε ενεργά με δύο τρόπους:

Διαδικτυακά (Online): Από την άνεση του σπιτιού σας! Αναλύουμε δεδομένα, εντοπίζουμε κενά με εξειδικευμένα εργαλεία, προετοιμάζουμε τους χάρτες πριν την αποστολή, ενημερώνουμε λήμματα στη Βικιπαίδεια, κατηγοριοποιούμε το φωτογραφικό υλικό, διασυνδέουμε Βικιπαίδεια, Wikidata, Commons, OpenStreetMap.
Στο Πεδίο (Offline): Συμμετοχή στις ομάδες αποστολής! Ρόλοι όπως οδηγοί, πλοηγοί, φωτογράφοι, χειριστές καμερών 360°/drone και επιτόπιοι χαρτογράφοι συνεργάζονται για την ασφαλή και αποτελεσματική καταγραφή της περιοχής.

Κάντε το πρώτο βήμα: 1ο Διαδικτυακό Εργαστήριο (Webinar)

Για να προετοιμαστούμε κατάλληλα ενόψει της πρώτης μας πιλοτικής εξόρμησης, διοργανώνουμε το 1ο Εισαγωγικό Webinar, την Πέμπτη 15 Οκτωβρίου στις 20:30.

Το εργαστήριο απευθύνεται σε όλους —από απόλυτα αρχάριους έως έμπειρους συνεισφέροντες— και περιλαμβάνει:

Εισαγωγή στις Βικιεξορμήσεις: Το όραμα, η δομή και πώς μπορείτε να εμπλακείτε.
Εκπαίδευση στα Wikidata: Πώς εντοπίζουμε κενά και πώς καταχωρίζουμε δομημένες πληροφορίες.
Χαρτογράφηση στο OpenStreetMap: Βασικές αρχές επιτόπιας απογραφής και διασύνδεση δεδομένων με τα Wikidata.

Πώς να παρακολουθήσετε:

Σελίδα εγχειρήματος: Διαβάστε αναλυτικά το πλάνο στη σελίδα Βικιπαίδεια:Βικιεξορμήσεις και δηλώστε τη συμμετοχή σας στο πρώτο Διαδικτυακό Εργαστήριο: Εισαγωγή στις Βικιεξορμήσεις, Wikidata και OpenStreetMap

Ελάτε να γίνετε μέρος μιας δυναμικής ομάδας που κάνει τη γνώση για τον τόπο μας πιο ανοικτή, προσβάσιμη και ακριβή για όλους!

Σας περιμένουμε!

Data centers: ποιος αποφασίζει πριν τις μπουλντόζες
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για την Ανοιχτή Διακυβέρνηση

Σε λιγότερο από έναν χρόνο, ο χώρος που διεξάγεται η συζήτηση για τα κέντρα δεδομένων στις Ηνωμένες Πολιτείες άλλαξε. Από τις παρουσιάσεις των επενδυτών, μπήκε στις αίθουσες των δημοτικών συμβουλίων και από εκεί, όλο και συχνότερα, στις κάλπες. Τον Ιούνιο οι κάτοικοι του Monterey Park στην Καλιφόρνια ψήφισαν με 86% την οριστική απαγόρευση νέων κέντρων δεδομένων στην πόλη τους, τον Ιούλιο η Νέα Υόρκη πάγωσε προσωρινά, με εκτελεστικό διάταγμα, τις αδειοδοτήσεις μεγάλων εγκαταστάσεων σε ολόκληρη την πολιτεία, ενώ τουλάχιστον εκατό δήμοι και κομητείες έχουν ήδη θεσπίσει κάποιας μορφής μορατόριουμ. Θα ήταν βολικό να το διαβάσει κανείς ως τεχνοφοβία. Όποιος όμως διαβάσει τα δύο πιο πρόσφατα κείμενα για το θέμα, από τη FAS και το Brookings, θα δει τοπικές κοινωνίες που ανακαλύπτουν ότι οι αποφάσεις για το νερό, το ρεύμα και τη γη τους έχουν ήδη παρθεί κάπου αλλού.

Τι βρίσκει κανείς όταν ανοίξει τις συμβάσεις

Η Federation of American Scientists (FAS) δημοσίευσε τον Σεπτέμβριο έναν οδηγό για τις τοπικές αρχές με τίτλο Before Breaking Ground. Από τις 42 τοπικές ρυθμίσεις που κατέγραψε, οι 33 ψηφίστηκαν μέσα στο 2026, όταν το 2024 ήταν μόλις δύο. Το πιο ενδιαφέρον κομμάτι της δουλειάς τους βρίσκεται ωστόσο αλλού. Οι ερευνητές αναζήτησαν τις συμφωνίες που υπογράφουν δήμοι και επενδυτές, οι οποίες σπάνια δημοσιεύονται και συχνά καλύπτονται από ρήτρες εμπιστευτικότητας, και κατάφεραν να αποσπάσουν δέκα, κυρίως μέσω αιτημάτων πρόσβασης σε δημόσια έγγραφα. Μόνο μία από αυτές, στο Lancaster της Πενσυλβάνια, είχε γραφτεί ρητά ως συμφωνία κοινωφελών ανταλλαγμάτων.

Η ανάγνωσή τους είναι διδακτική. Σχεδόν όλες μιλούν για χρήματα, φοροαπαλλαγές, επιστροφές φόρων και εισφορές σε τοπικά ταμεία, πολύ λιγότερες δεσμεύουν τον επενδυτή για το νερό, την ενέργεια ή τον θόρυβο, και καμία δεν περιέχει δεσμευτικές υποχρεώσεις για θέσεις εργασίας, πέρα από προβλέψεις. Στο Cedar Rapids της Αϊόβα η πόλη επιστρέφει το 70% του φόρου ακινήτων για είκοσι χρόνια, ποσό που εκτιμάται σε περίπου 529 εκατομμύρια δολάρια, με αντάλλαγμα ένα ταμείο κοινοτικής ανάπτυξης 18 εκατομμυρίων. Στο DeKalb του Ιλινόι τα σχέδια του κτιρίου χαρακτηρίζονται εμπιστευτικά και, όταν ένας πολίτης ζητά τα ίδια τα έγγραφα, κάθε αίτημα πολίτη για πρόσβαση περνά πρώτα από την εταιρεία, η οποία μπορεί να σβήσει στοιχεία ή να μπλοκάρει τη δημοσιοποίηση ορισμένων.

Η FAS καταλήγει σε δύο συστάσεις που αξίζει να κρατήσουμε. Η πρώτη ζητάει από κάθε κοινότητα να έχει αποφασίσει αν, πού και με ποιους όρους θέλει κέντρα δεδομένων πριν καθίσει στο τραπέζι με τον επενδυτή. Η δεύτερη ζητά να μη δίνεται κανένα φορολογικό κίνητρο χωρίς δυνατότητα επαναδιαπραγμάτευσης μέσα σε πέντε χρόνια, αφού, όπως παραδέχονται οι ίδιοι, κανείς δεν ξέρει ακόμη πώς θα εξελιχθούν τα οικονομικά αυτών των εγκαταστάσεων.

Μια διαπραγμάτευση ανάμεσα σε άνισους

Το δεύτερο κείμενο, από μια ομάδα εργασίας του Brookings στην οποία συμμετείχαν μεταξύ άλλων ο Scott Page και ο Jacob Taylor, δίνει όνομα σε αυτό που η FAS περιγράφει με αριθμούς. Μιλούν για αναντιστοιχία στη δυνατότητα δράσης. Από τη μια πλευρά ένας τοπικός αξιωματούχος, συχνά μερικής απασχόλησης, που διαπραγματεύεται μία έγκριση τη φορά, και από την άλλη έμπειροι δικηγόροι εταιρειών που πιέζουν με προθεσμίες και συμφωνίες εμπιστευτικότητας. Οι κάτοικοι μαθαίνουν τους όρους όταν η συμφωνία έχει σχεδόν κλείσει, και η καχυποψία που ακολουθεί εύκολα μπλέκεται με τον ευρύτερο φόβο για την τεχνητή νοημοσύνη.

Αρχικά, η πρότασή τους ακούγεται παράδοξη, αφού ζητούν από τις κοινότητες να χρησιμοποιήσουν την ίδια την τεχνητή νοημοσύνη για να συνδιαλλαγούν καλύτερα. Σε μια προσομοίωση με φανταστική κομητεία του Μίσιγκαν, τρεις ομάδες κατοίκων ξεκίνησαν από διαφορετικές προτεραιότητες: την οικονομική ανάπτυξη, την προστασία της λεκάνης απορροής και ένα προσιτό κόστος ρεύματος και νερού. Οι τρεις προτάσεις, χαρτογραφημένες πάνω στους Στόχους Βιώσιμης Ανάπτυξης, είχαν μόλις έναν υποστόχο κοινό. Όταν όμως χαρτογραφήθηκαν οι συνεντεύξεις των ίδιων των συμμετεχόντων, οι επικαλύψεις ξεπέρασαν τις δώδεκα, με πρώτες τη διαφάνεια, την εμπιστοσύνη και τη συμμετοχή στις αποφάσεις. Η ομάδα κατέληξε σε υποχρεωτική δημοσιοποίηση της κατανάλωσης νερού και ενέργειας, σε εκτελεστές συμφωνίες ανταλλαγμάτων, σε μερίδιο της κοινότητας στο έργο και σε ενιαίο σχεδιασμό για νερό και ενέργεια.

Οι συγγραφείς είναι τίμιοι για τους περιορισμούς της δοκιμής, αφού επρόκειτο για δύο συναντήσεις ειδικών, φιλικά διακείμενων απέναντι στην τεχνολογία και χωρίς πραγματικό διακύβευμα. Εξίσου ενδιαφέρον είναι ότι επιμένουν τα εργαλεία να ανήκουν στις ίδιες τις κοινότητες, να φιλοξενούνται τοπικά και να διανέμονται ως ανοιχτός κώδικας, ακολουθώντας το μοντέλο διάθεσης του Consul Democracy, ώστε οι αποφάσεις για το ποιος συγκαλεί, ποιος συμμετέχει και πού φυλάσσονται τα δεδομένα να μην λαμβάνονται κάπου αλλού. Θυμίζουν, άλλωστε, ότι το έργο του Τορόντο για την έξυπνη παραλιακή ζώνη εγκαταλείφθηκε το 2020 ακριβώς πάνω σε αυτό το ερώτημα.

Και στην Ελλάδα;

Θα μπορούσε κανείς να πει ότι όλα αυτά αφορούν μια άλλη ήπειρο. Η Ελλάδα όμως αποκτά αυτή την περίοδο το ίδιο ακριβώς πρόβλημα, με τη διαφορά ότι εδώ οι δήμοι έχουν πολύ λιγότερα εργαλεία από όσα έχει ένα αμερικανικό δημοτικό συμβούλιο. Ο ν. 5069/2023 και η ΚΥΑ 96038/2024, σε ισχύ από τον Μάρτιο του 2025, όρισαν για πρώτη φορά το κέντρο δεδομένων στο ελληνικό δίκαιο και έθεσαν τη λειτουργία του στο καθεστώς γνωστοποίησης του ν. 4442/2016, σε ένα δηλαδή σύστημα όπου ο φορέας δηλώνει τη δραστηριότητα και ο έλεγχος γίνεται κατά κανόνα εκ των υστέρων. Η κυβέρνηση το παρουσίασε ως βήμα για να γίνει η χώρα ψηφιακός κόμβος, και οι αριθμοί δείχνουν ότι η φιλοδοξία είναι μεγάλη. Σύμφωνα με μελέτη της PwC για λογαριασμό της κυβέρνησης, όπως παρατίθεται σε πρόσφατη κοινοβουλευτική ερώτηση, η ζήτηση ισχύος από κέντρα δεδομένων μπορεί να φτάσει τα 2,5 έως 2,8 GW ως το 2034, ή και τα 5,7 GW σε σενάριο ραγδαίας ανάπτυξης, με κατανάλωση που στο ανώτερο σενάριο αγγίζει τις 22,8 TWh τον χρόνο. Για να έχουμε μέτρο σύγκρισης, ολόκληρη η χώρα κατανάλωσε το 2025 περίπου 56,5 TWh, ενώ τα κέντρα δεδομένων αντιστοιχούν σήμερα, κατά στέλεχος του κλάδου, σε μόλις 0,1% της ζήτησης. Από ένα χιλιοστό, δηλαδή, σε κάτι που θα μπορούσε να φτάσει τα δύο πέμπτα της σημερινής κατανάλωσης.

Η ίδια ερώτηση, που κατέθεσε τον Αύγουστο η βουλευτής Λάρισας Ευαγγελία Λιακούλη, επικαλείται εκτίμηση του ΑΔΜΗΕ για διαθέσιμη ισχύ έως 650 MW για κέντρα δεδομένων στη Θεσσαλία και δημοσιεύματα για εγκατάσταση άνω των 200 MW στην περιοχή της ΒΙ.ΠΕ. Λάρισας, σε μια περιφέρεια που ζει ακόμη με τη λειψυδρία και τις πληγές των πλημμυρών, και καταγγέλλει ότι ούτε η Περιφέρεια ούτε οι δήμοι ούτε το ΤΕΕ, το ΓΕΩΤΕΕ ή τα επιμελητήρια έχουν ενημερωθεί επίσημα. Τα ερωτήματα αυτά, πόσο νερό, από ποια πηγή, με ποια τεχνολογία ψύξης και σε ποιο οικόπεδο, δεν έχουν κομματικό πρόσημο. Είναι ακριβώς αυτά που η FAS συμβουλεύει κάθε κοινότητα να έχει απαντήσει πριν φτάσει στο τραπέζι.

Τι θα σήμαινε να αποφασίσουμε πριν μπουν οι μπουλντόζες

Αν επιχειρήσουμε να κρατήσουμε από την αμερικανική εμπειρία ό,τι μεταφέρεται στα καθ’ ημάς, μερικά πράγματα είναι αρκετά απλά ώστε με λίγη θέληση να γίνουν αύριο. Οι γνωστοποιήσεις κέντρων δεδομένων θα μπορούσαν να τηρούνται σε δημόσιο, μηχαναναγνώσιμο μητρώο, με την ισχύ, την τεχνολογία ψύξης και την πηγή νερού κάθε εγκατάστασης και με ετήσια αναφορά της πραγματικής κατανάλωσης, ώστε κάθε ενδιαφερόμενος να μπορεί να ελέγξει ό,τι υποσχέθηκε ο επενδυτής. Η ιδέα δεν είναι καινούργια, αφού η έλλειψη τυποποιημένης αναφοράς ανά εγκατάσταση ήταν το παράπονο που άκουσε πιο συχνά η FAS από τις εταιρείες ύδρευσης.

Κάθε συμφωνία που αφορά σε δημόσια γη, δίκτυα ή φορολογικά κίνητρα θα έπρεπε να δημοσιεύεται ολόκληρη, καθώς οι όροι με τους οποίους διατίθενται κοινοί πόροι δύσκολα στέκουν ως εμπορικό απόρρητο. Η χωροθέτηση, δηλαδή ο ενεργειακός χάρτης για το πού μπορούν να στεγαστούν τέτοιες εγκαταστάσεις, θα έπρεπε να περάσει από ανοιχτή διαβούλευση με τις περιφέρειες, τους δήμους και τους επιστημονικούς φορείς πριν δρομολογηθούν τα μεγάλα έργα, και όσα κίνητρα δοθούν να συνοδεύονται από ρήτρα επανεξέτασης, όπως ζητά η FAS. Τίποτα από αυτά δεν στρέφεται κατά των επενδύσεων. Ένας επενδυτής που γνωρίζει από την αρχή τους όρους, απέναντι σε μια κοινωνία που έχει συμμετάσχει στη διαμόρφωσή τους, αντιμετωπίζει πολύ μικρότερο κίνδυνο για ένα έργο δεκαετιών από ένα δημοψήφισμα της τελευταίας στιγμής, όπως αυτό του Monterey Park.

Οι περισσότεροι πολίτες θα έρθουν σε επαφή με την τεχνητή νοημοσύνη πρώτα μέσα από κάτι τόσο απτό όσο είναι ένα οικόπεδο στη βιομηχανική περιοχή της πόλης τους, μια νέα γραμμή υψηλής τάσης, ίσως μια αύξηση στον λογαριασμό του νερού. Από αυτή την εμπειρία θα κρίνουν αν την εμπιστεύονται, πολύ πριν ασχοληθούν με τον ευρωπαϊκό Κανονισμό για την ΤΝ. Το ερώτημα ποιος αποφασίζει για τα κέντρα δεδομένων είναι λοιπόν το πρώτο πρακτικό ερώτημα διακυβέρνησης της τεχνητής νοημοσύνης που θα συναντήσει η ελληνική κοινωνία, και καλό θα ήταν να ασχοληθούμε μαζί του όσο υπάρχει ακόμη χρόνος για να το απαντήσουμε μαζί.

Χωρίς ταυτότητα, χωρίς internet: η επαλήθευση ηλικίας και το δικαίωμα στην πληροφόρηση
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για την Ασφάλεια Πληροφοριακών Συστημάτων

Οι προτάσεις για επαλήθευση ηλικίας παρουσιάζονται συνήθως ως ένα απλό αντάλλαγμα: λίγη λιγότερη ιδιωτικότητα για περισσότερη ασφάλεια των παιδιών στο διαδίκτυο. Η οπτική αυτή, όμως, προσπερνά ένα πολύ πιο ουσιαστικό ερώτημα: τι γίνεται με όσους δεν μπορούν να αποδείξουν την ηλικία τους με κανέναν τρόπο; Το ερώτημα γίνεται ακόμη πιο πιεστικό όταν η απόδειξη απαιτεί επίσημα έγγραφα ταυτοποίησης.

Οι ηλικιακοί περιορισμοί στο διαδίκτυο πληθαίνουν με γοργό ρυθμό παγκοσμίως. Αν και οι ρυθμίσεις διαφέρουν αισθητά από χώρα σε χώρα, τον τελευταίο χρόνο καταγράφεται σαφής στροφή προς την υποχρεωτική επιβεβαίωση ηλικίας, όχι μόνο στα μέσα κοινωνικής δικτύωσης αλλά και σε άλλες ψηφιακές υπηρεσίες που χαρακτηρίζονται «υψηλού κινδύνου».

Ενδεικτικά:

Στα τέλη του 2025, η Αυστραλία έγινε η πρώτη χώρα που θέσπισε ελάχιστο όριο ηλικίας για τα μέσα κοινωνικής δικτύωσης, απαγορεύοντας στους κάτω των 16 να ανοίγουν ή να διατηρούν λογαριασμούς.
Η Ινδία ψήφισε τον νόμο για την Προστασία των Ψηφιακών Προσωπικών Δεδομένων (DPDP Act), που προβλέπει υποχρεωτική και επαληθεύσιμη γονική συναίνεση, ενώ η συζήτηση για περιορισμούς στα κοινωνικά δίκτυα παραμένει ανοιχτή.
Στο Ηνωμένο Βασίλειο, ο νόμο Online Safety Act επιβάλλει επαλήθευση ηλικίας σε μεγάλο εύρος υπηρεσιών που φιλοξενούν περιεχόμενο το οποίο κρίνεται επιβλαβές για ανηλίκους. Στις ΗΠΑ, περισσότερες από τις μισές πολιτείες έχουν ήδη νομοθετήσει σχετικά.
Έκθεση ομάδας εμπειρογνωμόνων της Ευρωπαϊκής Επιτροπής εισηγείται την απαγόρευση των κοινωνικών δικτύων για παιδιά κάτω των 13 ετών, καθώς και υποχρεωτική επαλήθευση ηλικίας από τις πλατφόρμες, ώστε οι χρήστες να είναι «στην κατάλληλη ηλικία».

Το πρόβλημα της πρόσβασης

Όταν οι νόμοι για την επαλήθευση ηλικίας στηρίζονται στην προϋπόθεση ότι ο χρήστης διαθέτει σε ισχύ διαβατήριο, δίπλωμα οδήγησης, πιστωτική κάρτα ή κάποιο αντίστοιχο έγγραφο, αφήνουν απέξω σημαντικά κομμάτια της κοινωνίας. Και το πρόβλημα δεν περιορίζεται σε μία χώρα: εκατομμύρια άνθρωποι δεν έχουν κρατικό έγγραφο ταυτοποίησης ή συναντούν διαρκώς εμπόδια όταν προσπαθούν να το εκδώσουν ή να το ανανεώσουν.

Στις ΗΠΑ, περίπου 15 εκατομμύρια ενήλικοι πολίτες δεν έχουν δίπλωμα οδήγησης και άλλα 2,6 εκατομμύρια δεν έχουν κανένα κρατικό έγγραφο με φωτογραφία. Πρόκειται για μεγάλες ομάδες πολιτών που κινδυνεύουν να βρεθούν εκτός διαδικτυακών υπηρεσιών και περιεχομένου. Ανάλογη είναι η κατάσταση και στο Ηνωμένο Βασίλειο, όπου ο έλεγχος ηλικίας γίνεται συνήθως με διαβατήριο, δίπλωμα οδήγησης ή άλλα αναγνωρισμένα έγγραφα, κάτι που φέρνει σε δύσκολη θέση όσους δεν τα διαθέτουν.

Η κριτική απέναντι στην επαλήθευση ηλικίας εστιάζει κυρίως στους κινδύνους για την ιδιωτικότητα. Τα μέτρα αυτά, ωστόσο, θίγουν κάτι ακόμη πιο βασικό: την ισότιμη πρόσβαση στην πληροφόρηση και την ελευθερία της έκφρασης.

Στην πράξη, τα συστήματα επαλήθευσης ηλικίας μοιράζουν άνισα τη δυνατότητα να αναζητά κανείς κρίσιμες πληροφορίες, να συμμετέχει σε κοινότητες και να έχει λόγο στον δημόσιο διάλογο. Όσο κυβερνήσεις και εταιρείες ζητούν όλο και συχνότερα απόδειξη ηλικίας πριν από τη χρήση μιας υπηρεσίας, τόσο περισσότερο οι άνθρωποι χωρίς έγγραφα κινδυνεύουν να μείνουν έξω από ένα μεγάλο μέρος του διαδικτύου.

Οι επιπτώσεις στον Παγκόσμιο Νότο

Οι νόμοι αυτοί καθορίζουν στην ουσία ποιος μπορεί να εκφραστεί, ποιος έχει πρόσβαση στην πληροφορία και ποιος μένει εκτός ψηφιακής δημόσιας σφαίρας. Η επαλήθευση ηλικίας, επομένως, δεν είναι ένα ουδέτερο μέτρο ασφάλειας. Λειτουργεί ως δομικό φράγμα που πλήττει δυσανάλογα συγκεκριμένες ομάδες, κυρίως στις χώρες της λεγόμενης «παγκόσμιας πλειοψηφίας», και αλλάζει τους όρους της έκφρασης στο διαδίκτυο σε παγκόσμια κλίμακα. Πολλές από αυτές τις ομάδες βιώνουν ήδη περιθωριοποίηση στην καθημερινή τους ζωή· η επαλήθευση ηλικίας απλώς μεταφέρει αυτόν τον αποκλεισμό και στον ψηφιακό κόσμο.

Σύμφωνα με την Παγκόσμια Τράπεζα, 850 εκατομμύρια άνθρωποι σε όλο τον κόσμο δεν έχουν έγγραφο ταυτοποίησης, κατά κύριο λόγο σε χώρες χαμηλού και μεσαίου εισοδήματος της Υποσαχάριας Αφρικής και της Νότιας Ασίας. Η ίδια επισημαίνει ότι πολλοί από αυτούς ανήκουν σε περιθωριοποιημένες ομάδες και ότι περισσότεροι από τους μισούς έχουν παιδιά των οποίων η γέννηση δεν έχει καν δηλωθεί. Οι γυναίκες βρίσκονται σε ιδιαίτερα ευάλωτη θέση, καθώς έχουν κατά 8% μικρότερη πιθανότητα από τους άνδρες να διαθέτουν ταυτότητα. Στις χώρες χαμηλού εισοδήματος, το ίδιο ισχύει για τους νέους κάτω των 25, για όσους έχουν τελειώσει μόνο το δημοτικό ή ούτε καν αυτό, καθώς και για τους κατοίκους αγροτικών περιοχών.

Σε κείμενο πολιτικής της, η EDRi σημειώνει ότι οι νόμοι επαλήθευσης ηλικίας προτείνουν εύκολες τεχνολογικές λύσεις, αγνοώντας χρόνια δομικά προβλήματα και υπονομεύοντας τον καθολικό χαρακτήρα του διαδικτύου. Κατά την ανάλυση, έχουν σοβαρές συνέπειες για τα ανθρώπινα δικαιώματα και, παραδόξως, βλάπτουν ακριβώς εκείνους που φιλοδοξούν να προστατεύσουν. Επιπλέον, προϋποθέτουν μαζική συλλογή δεδομένων, απέναντι στην οποία οργανώσεις για τα ανθρώπινα δικαιώματα, μεταξύ των οποίων και το EFF, δίνουν μάχη εδώ και δεκαετίες.

Μερικά χαρακτηριστικά παραδείγματα:

Στο Μαρόκο, σχεδιάζεται απαγόρευση δημιουργίας λογαριασμών σε πλατφόρμες παιχνιδιών για παιδιά κάτω των 13 ετών. Το μέτρο μπορεί να δημιουργήσει προβλήματα σε όσους έχουν ταυτότητες με ελλιπή στοιχεία για το έτος γέννησης, ενώ θα επηρεάσει και όσους προσπαθούν να εγκαταλείψουν τη χώρα.
Στην Αίγυπτο, η έλλειψη δελτίων ταυτότητας αποτελεί πρόβλημα για μειονότητες όπως οι Μπαχάι.
Σοβαρές δυσκολίες θα αντιμετώπιζαν και οι απάτριδες. Οι Ροχίνγκια, ο μεγαλύτερος πληθυσμός απάτριδων παγκοσμίως, συχνά δεν έχουν κανένα έγγραφο ταυτοποίησης.
Χωρίς κατάλληλα έγγραφα ζουν και οι Μπιντούν του Κουβέιτ. Όπως αναφέρει η Διεθνής Αμνηστία, πολλοί αναγκάζονται να χρησιμοποιούν απλά πολιτικά δελτία ταυτότητας, τα οποία συχνά τους περιορίζουν.
Η Νιγηρία ξεκίνησε το 2007 εθνικό πρόγραμμα έκδοσης ταυτοτήτων. Έκτοτε έχουν εγγραφεί 64,4 εκατομμύρια πολίτες, δηλαδή μόλις λίγο περισσότερο από το 30% του πληθυσμού.
Προβλήματα δημιουργεί και το σύστημα Καφάλα, που εφαρμόζεται σε αρκετές χώρες της Μέσης Ανατολής. Σύμφωνα με αυτό, η νόμιμη διαμονή και η εργασιακή κατάσταση των μεταναστών εργαζομένων εξαρτώνται από έναν συγκεκριμένο εργοδότη, με αποτέλεσμα απάτριδες και μετανάστες να είναι εκτεθειμένοι στην καταναγκαστική εργασία και σε περιορισμούς στην ελευθερία μετακίνησης.

Χωρίς ταυτότητα, χωρίς πρόσβαση

Στην ουσία, οι νόμοι επαλήθευσης ηλικίας έχουν λιγότερο να κάνουν με την επιβεβαίωση της ηλικίας και περισσότερο με τη δημιουργία φραγμών στη συμμετοχή στο διαδίκτυο, φραγμών που πολλοί δεν είναι σε θέση να ξεπεράσουν. Το αποτέλεσμα είναι λιγότερη πρόσβαση, περισσότερη συλλογή δεδομένων και μεγαλύτερος κίνδυνος να αποκλειστεί κανείς από την πληροφόρηση άδικα ή εκ λάθους.

Κανείς δεν αμφισβητεί ότι η προστασία των παιδιών στο διαδίκτυο είναι σημαντική. Οι υποστηρικτές αυτών των νόμων υποστηρίζουν ότι προφυλάσσουν τους ανηλίκους από επιβλαβές περιεχόμενο, διαδικτυακή παρενόχληση και ψηφιακό εθισμό. Οι νόμοι αυτοί, όμως, δεν αποτελούν λύση: πλήττουν θεμελιώδη δικαιώματα ελευθερίας της έκφρασης και εγκυμονούν σοβαρούς κινδύνους για την ιδιωτικότητα.

Το EFF προειδοποιεί εδώ και χρόνια για την ηλικιακή περιχαράκωση του διαδικτύου. Η τεχνολογία επαλήθευσης ηλικίας είναι συχνά ανακριβής και παρεμβατική για την ιδιωτικότητα. Και όσο περισσότερες χώρες εξετάζουν ελέγχους με βάση έγγραφα ταυτοποίησης, ο κίνδυνος δεν περιορίζεται πλέον στη λογοκρισία και την επιτήρηση, αλλά φτάνει στον ολοκληρωτικό αποκλεισμό ορισμένων ανθρώπων. Γι’ αυτό το EFF συνεργάζεται με οργανώσεις στις ΗΠΑ και σε όλο τον κόσμο για να αντισταθεί σε αυτούς τους νόμους και καλεί όλους να στηρίξουν την προσπάθεια.

Πηγή άρθρου: https://www.eff.org/

Νέα από τον πλανήτη… planet.ellak.gr: Πού πήγε ο χώρος στον δίσκο; Ασφαλής διάγνωση και καθαρισμός στο Linux
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για το Ανοιχτό Λογισμικό

by: Linux Insider

Το μήνυμα «No space left on device» μοιάζει απλό, αλλά δεν έχει πάντα την ίδια αιτία. Μπορεί να γέμισε πραγματικά ένα filesystem, να εξαντλήθηκαν τα inodes από εκατομμύρια μικρά αρχεία, ένα μεγάλο log να διαγράφηκε ενώ η υπηρεσία εξακολουθεί να το κρατά ανοικτό ή snapshots και container layers να διατηρούν δεδομένα που δεν φαίνονται στον προσωπικό μας φάκελο.

Η σωστή σειρά είναι διάγνωση, επιβεβαίωση και μετά καθαρισμός. Δεν ξεκινάμε με τυχαία rm, δεν διαγράφουμε ολόκληρο το ~/.cache επειδή είναι μεγάλο και δεν εκτελούμε prune σε containers χωρίς να δούμε τι πρόκειται να χαθεί.

Πρώτα βρείτε ποιο filesystem γέμισε

df -h

Το df εμφανίζει τη χρήση των mounted filesystems. Κοιτάξτε τις στήλες Use% και Mounted on. Το /, το /home, ένα ξεχωριστό /var και ένας εξωτερικός δίσκος μπορεί να είναι διαφορετικά filesystems. Το ότι υπάρχει χώρος στο /home δεν βοηθά αν έχει γεμίσει το /var.

Για πιο καθαρή έξοδο:

df -h --output=source,fstype,size,used,avail,pcent,target

Τα pseudo-filesystems όπως tmpfs δεν είναι απαραίτητα πρόβλημα. Εστιάστε στο mount point όπου αποτυγχάνει η εγγραφή και επιβεβαιώστε ότι εξετάζετε τη σωστή συσκευή.

Ελέγξτε τα inodes, όχι μόνο τα gigabytes

df -i

Κάθε αρχείο και κατάλογος χρειάζεται inode. Ένα filesystem μπορεί να έχει διαθέσιμα gigabytes αλλά μηδενικά ελεύθερα inodes, συνήθως επειδή δημιουργήθηκε τεράστιος αριθμός μικρών cache, session, mail ή build files. Αν το IUse% είναι 100%, η λύση δεν είναι να αναζητήσετε μόνο ένα μεγάλο ISO· πρέπει να βρείτε τον κατάλογο με τα πάρα πολλά entries.

Ένας πρώτος έλεγχος στο home:

du --inodes -d 2 "$HOME" 2>/dev/null | sort -n | tail -30

Η εντολή μετρά τη χρήση inodes ανά κλάδο. Δεν διαγράφει τίποτα. Σε πολύ μεγάλα trees μπορεί να χρειαστεί χρόνο.

Βρείτε τους μεγάλους καταλόγους με du

Για τον προσωπικό κατάλογο:

du -xhd1 "$HOME" 2>/dev/null | sort -h

Το -x παραμένει στο ίδιο filesystem, το -h εμφανίζει αναγνώσιμα μεγέθη και το -d1 δείχνει μόνο το πρώτο επίπεδο. Μόλις βρείτε έναν μεγάλο κατάλογο, επαναλάβετε την εντολή μέσα σε αυτόν:

du -xhd1 "$HOME/.local" 2>/dev/null | sort -h

Για ολόκληρο το root filesystem χρειάζονται συνήθως δικαιώματα διαχειριστή:

sudo du -xhd1 / | sort -h

Μην αφαιρέσετε το -x χωρίς λόγο. Διαφορετικά η σάρωση μπορεί να περάσει σε εξωτερικούς δίσκους, network mounts ή άλλα filesystems και να δημιουργήσει παραπλανητικό σύνολο.

ncdu: η ίδια έρευνα με διαδραστική πλοήγηση

Το ncdu κάνει ευκολότερη την εξερεύνηση μεγάλων directory trees:

ncdu -x "$HOME"

Για system directories:

sudo ncdu -x /

Δεν είναι προεγκατεστημένο σε κάθε διανομή, αλλά υπάρχει συνήθως στα repositories. Χρησιμοποιήστε το αρχικά μόνο ως viewer. Η δυνατότητα διαγραφής μέσα από το ncdu είναι πραγματική διαγραφή και δεν αποτελεί υποκατάστατο για package manager, snapshot manager ή γνώση του περιεχομένου ενός καταλόγου.

Γιατί διαφωνούν df και du;

Το df ρωτά το filesystem πόσα blocks χρησιμοποιούνται. Το du αθροίζει όσα αρχεία μπορεί να διασχίσει. Μικρές διαφορές είναι φυσιολογικές λόγω metadata, reserved blocks, snapshots, permissions, sparse files και διαφορετικών τρόπων μέτρησης.

Μεγάλη διαφορά μπορεί να σημαίνει ότι μια διεργασία κρατά ανοικτό ένα αρχείο που έχει ήδη διαγραφεί. Το pathname εξαφανίστηκε, αλλά τα blocks δεν απελευθερώνονται μέχρι να κλείσει και ο τελευταίος file descriptor:

sudo lsof +L1

Κοιτάξτε τις στήλες process, PID και size. Η ασφαλέστερη ενέργεια είναι συνήθως να επανεκκινήσετε ελεγχόμενα τη συγκεκριμένη υπηρεσία ή εφαρμογή, αφού βεβαιωθείτε ότι επιτρέπεται διακοπή της. Μην τερματίζετε τυχαία διεργασίες παραγωγής και μην πειράζετε descriptors κάτω από το /proc χωρίς σχέδιο ανάκαμψης.

Μετρήστε τα systemd journals

journalctl --disk-usage

Η εντολή είναι read-only και εμφανίζει το συνολικό μέγεθος ενεργών και αρχειοθετημένων journal files. Αν τα logs έχουν διογκωθεί, εξετάστε πρώτα τι γράφεται:

journalctl -p warning --since today
journalctl --since today | tail -100

Η συνεχής επανάληψη ενός error χρειάζεται διόρθωση της αιτίας, όχι μόνο διαγραφή του ιστορικού. Αν αποφασίσετε ότι μπορείτε να περιορίσετε τα παλιά logs:

sudo journalctl --rotate --vacuum-size=500M

Αυτή είναι μη αναστρέψιμη ενέργεια: περιστρέφει τα ενεργά journals και αφαιρεί τα παλαιότερα αρχειοθετημένα μέχρι το σύνολο που μπορεί να γίνει vacuum να πέσει στο επιλεγμένο όριο. Μπορεί να αφαιρέσει στοιχεία χρήσιμα για troubleshooting, auditing ή διερεύνηση περιστατικού. Επιλέξτε όριο που ταιριάζει στο σύστημά σας και ρυθμίστε μόνιμη πολιτική journald αν το πρόβλημα επανέρχεται.

Flatpak: εφαρμογές, runtimes και παλιά branches

Δείτε πρώτα τι είναι εγκατεστημένο:

flatpak list --app
flatpak list --runtime

Για refs που δεν χρειάζονται πλέον οι εγκατεστημένες εφαρμογές:

flatpak uninstall --unused

Διαβάστε τη λίστα πριν επιβεβαιώσετε. Η εντολή αφαιρεί unused runtimes και extensions, όχι γενικά «άχρηστα αρχεία» που έχει αποφασίσει ένας καθαριστής. Αν χρησιμοποιείτε SDKs για ανάπτυξη ή κρατάτε συγκεκριμένα branches για δοκιμές, βεβαιωθείτε ότι δεν τα χρειάζεστε.

Τα δεδομένα των Flatpak εφαρμογών βρίσκονται συνήθως κάτω από ~/.var/app. Μετρήστε τα ξεχωριστά:

du -xhd1 ~/.var/app 2>/dev/null | sort -h

Η απεγκατάσταση μιας εφαρμογής δεν σημαίνει πάντοτε ότι θέλετε να χαθούν και τα προσωπικά της δεδομένα. Εξετάστε τον αντίστοιχο κατάλογο και κρατήστε backup πριν από χειροκίνητη διαγραφή.

Package caches: καθαρίστε με το εργαλείο της διανομής

Οι package managers κρατούν downloaded packages ώστε επανεγκαταστάσεις ή rollback να είναι γρηγορότερα. Μετρήστε πρώτα τους σχετικούς καταλόγους και χρησιμοποιήστε το επίσημο εργαλείο, όχι rm μέσα στη βάση πακέτων.

Σε Debian και Ubuntu, για το cache των κατεβασμένων πακέτων:

sudo apt clean

Σε Fedora και άλλες διανομές με DNF:

sudo dnf clean packages

Οι εντολές αυτές αδειάζουν package caches και δεν απεγκαθιστούν εγκατεστημένα πακέτα. Εντολές όπως autoremove είναι διαφορετική κατηγορία: προτείνουν αφαίρεση πακέτων. Αν τις χρησιμοποιήσετε, ελέγξτε ένα προς ένα όσα πρόκειται να αφαιρεθούν.

Browser caches, thumbnails και Trash

Δείτε ποιο τμήμα του προσωπικού cache είναι μεγάλο:

du -xhd1 ~/.cache 2>/dev/null | sort -h

Ένα cache συνήθως αναδημιουργείται, αλλά αυτό δεν σημαίνει ότι κάθε κατάλογος κάτω από ~/.cache είναι ασφαλές να διαγραφεί ενώ η εφαρμογή τρέχει. Κλείστε την αντίστοιχη εφαρμογή και χρησιμοποιήστε τις δικές της επιλογές καθαρισμού όπου υπάρχουν. Μετά τη διαγραφή, ο browser ή το desktop μπορεί να χρειαστεί χρόνο και bandwidth για να ξαναδημιουργήσει δεδομένα.

Ελέγξτε επίσης τον Κάδο Απορριμμάτων από το file manager. Το «Delete» συχνά μετακινεί αρχεία στον Trash αντί να επιστρέφει αμέσως τον χώρο. Αδειάστε τον μόνο αφού ελέγξετε το περιεχόμενο, επειδή αυτή είναι η στιγμή που χάνεται η εύκολη δυνατότητα επαναφοράς.

Containers: πρώτα system df, μετά απόφαση

Images, writable layers, stopped containers και build caches μπορούν να καταλάβουν δεκάδες gigabytes. Μετρήστε τα με το εργαλείο που χρησιμοποιείτε:

docker system df
podman system df

Μην εκτελέσετε μηχανικά system prune. Ένα stopped container μπορεί να περιέχει δεδομένα που δεν έχουν μεταφερθεί σε volume, ενώ ένα παλιό image μπορεί να είναι απαραίτητο για rollback ή offline deployment. Εξετάστε containers, images, volumes και build cache ξεχωριστά πριν αφαιρέσετε οτιδήποτε.

Btrfs snapshots: το αρχείο έφυγε, τα blocks έμειναν

Σε Btrfs, ένα snapshot μπορεί να συνεχίζει να αναφέρεται στα ίδια extents μετά τη διαγραφή ενός αρχείου από το τρέχον subvolume. Έτσι το du ενός καταλόγου μπορεί να μειωθεί χωρίς αντίστοιχη άμεση πτώση στη συνολική χρήση.

sudo btrfs filesystem usage /
sudo btrfs subvolume list /

Αν χρησιμοποιείτε Timeshift, Snapper ή εργαλείο της διανομής, διαχειριστείτε τα snapshots από εκεί. Μην αντιμετωπίζετε έναν snapshot κατάλογο σαν συνηθισμένο directory και μην τον αφαιρείτε με αναδρομικό rm. Επιβεβαιώστε ποια snapshots είναι bootable, ποια χρησιμοποιούνται από πολιτική rollback και ποια επιτρέπεται να διαγραφούν.

Ένα ασφαλές workflow δέκα λεπτών

Τρέξτε df -h και εντοπίστε το πραγματικά γεμάτο filesystem.
Τρέξτε df -i για να αποκλείσετε εξάντληση inodes.
Χρησιμοποιήστε du -xhd1 ή ncdu -x στο συγκεκριμένο mount point.
Αν το df δείχνει πολύ περισσότερα από το du, ελέγξτε lsof +L1, snapshots και reserved/filesystem metadata.
Μετρήστε χωριστά journals, Flatpak, package caches και containers.
Καθαρίστε μία κατηγορία κάθε φορά και ξανατρέξτε df -h.
Καταγράψτε τι μεγάλωσε. Αν επιστρέψει γρήγορα, διορθώστε την πηγή αντί να προγραμματίσετε τυφλή περιοδική διαγραφή.

Το βασικό συμπέρασμα

Το «γεμάτος δίσκος» είναι σύμπτωμα, όχι διάγνωση. Το df δείχνει ποιο filesystem πιέζεται, το df -i αν λείπουν inodes, τα du και ncdu πού βρίσκονται τα ορατά δεδομένα, ενώ τα journals, τα open deleted files, τα containers και τα snapshots εξηγούν συχνά όσα δεν φαίνονται με την πρώτη ματιά.

Η πιο ασφαλής διαγραφή είναι εκείνη που γίνεται από το εργαλείο που δημιούργησε τα δεδομένα: package manager για package cache, Flatpak για unused runtimes, journalctl για journals και snapshot manager για snapshots. Μετρήστε πριν και μετά, κρατήστε backup για ό,τι είναι προσωπικό και μη μετατρέπετε το cleanup σε αυτοματισμό πριν καταλάβετε γιατί ο χώρος τελειώνει.

Για τις ακριβείς επιλογές μέτρησης δείτε τα επίσημα εγχειρίδια των GNU df, GNU du και journalctl.

Πηγή άρθρου: https://planet.ellak.gr/ , https://www.linuxinsider.gr/

Laptop ως Server με Proxmox και απενεργοποίηση συνδρομής για δωρεάν ενημερώσεις
by: Cerebrux

Έχεις κάποιο laptop με 4-8 GB RAM που δεν χρησιμοποιείς ; Γιατί δεν το μετατρέπεις σε ένα HOME Server ; Μπορείς να το κάνεις με το Proxmox VE 9.2. Μην σε απασχολεί το "enterprise" και η εμπορική άδεια. Με τον παρακάτω οδηγό "Proxmox VE 9.2 Μετά την Εγκατάσταση" θα κάνουμε απενεργοποίηση της προειδοποίησης για αγορα εμπορικής άδειας και θα ενεργοποιήσουμε τις δωρεάν ενημερώσεις.… Read More

Thinking will become a hobby
by: Διομήδης Σπινέλλης

These lines are very difficult for me to write because I feel like digging my own grave. AI systems are improving by leaps and bounds. From the early 2022 fumbling release of ChatGPT, which couldn’t correctly count the number of a’s in my name (it claimed two), we reached OpenAI’s release of math papers where an internal AI model solved many hundreds of previously open math problems. Aside from philosophical arguments, practical claims regarding the superiority of human thought, on grounds such as hallucinations or bias, increasingly appear to me like rearguard defence. For the bulk of today’s cognitive work, the writing’s on the wall: AI will take over.

5 διορθώσεις στο δίκαιο πνευματικής ιδιοκτησίας για την έρευνα και την καινοτομία στην Ευρώπη
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για τα Ανοιχτά Πρότυπα

Η COMMUNIA εγκαινίασε σήμερα το fivefixes.eu, μια νέα ιστοσελίδα εκστρατείας που παρουσιάζει πέντε στοχευμένες αλλαγές στο ευρωπαϊκό δίκαιο πνευματικής ιδιοκτησίας. Οι αλλαγές αυτές θα μπορούσαν να ωφελήσουν σημαντικά την έρευνα και την καινοτομία στην Ευρώπη.

Η γενετική τεχνητή νοημοσύνη κυριαρχεί σήμερα στη συζήτηση για την πνευματική ιδιοκτησία. Ωστόσο, οι υπεύθυνοι χάραξης πολιτικής πρέπει να αντιμετωπίσουν και άλλα χρόνια προβλήματα που εμποδίζουν το ευρωπαϊκό οικοσύστημα γνώσης να αξιοποιήσει πλήρως τις δυνατότητές του. Η δημόσια διαβούλευση για μια πιθανή πρωτοβουλία για ένα καλύτερο περιβάλλον πνευματικής ιδιοκτησίας για την ευρωπαϊκή δημιουργικότητα και καινοτομία βρίσκεται ήδη σε εξέλιξη. Η εκστρατεία προτείνει πρακτικές λύσεις για να ξεπεραστούν αυτά τα εμπόδια.

Μια ανταγωνιστική ευρωπαϊκή οικονομία χρειάζεται πρόσβαση σε πόρους γνώσης υψηλής ποιότητας. Χρειάζεται επίσης ασφάλεια δικαίου για όσους τους χρησιμοποιούν. Σήμερα, οι περιοριστικοί κανόνες πνευματικής ιδιοκτησίας και οι άδικες πρακτικές αδειοδότησης συχνά εμποδίζουν και τα δύο. Η εκστρατεία εστιάζει σε πέντε ζητήματα:

Εμπόδια στον διαμοιρασμό ερευνητικών δεδομένων: Οι ερευνητές αντιμετωπίζουν περιορισμούς όταν θέλουν να μοιραστούν δεδομένα με συνεργάτες ή να τα διαθέσουν για επαλήθευση των αποτελεσμάτων.
Εμπόδια στην ανοιχτή πρόσβαση: Οι ερευνητές δεν μπορούν πάντα να διαθέσουν ελεύθερα τις δημοσιεύσεις τους. Αυτό ισχύει ακόμη και όταν το έργο τους χρηματοδοτείται με δημόσιους πόρους.
Καταχρηστικοί όροι αδειοδότησης: Τα ιδρύματα γνώσης υπογράφουν συμβάσεις που περιορίζουν αυθαίρετα τη χρήση ψηφιακών πόρων.
Φόβος νομικής ευθύνης: Η ασάφεια του νομικού πλαισίου αποθαρρύνει τα ιδρύματα γνώσης από το να ασκήσουν πλήρως τα δικαιώματα που ήδη έχουν.
Μακροπρόθεσμη βιωσιμότητα: Τα ευρωπαϊκά ιδρύματα γνώσης συντηρούν πληροφοριακούς πόρους δημόσιου συμφέροντος. Λόγω της δραστηριότητας που σχετίζεται με την τεχνητή νοημοσύνη, χάνουν προβολή και επιβαρύνονται με αυξανόμενο κόστος. Παράλληλα, λαμβάνουν ελάχιστη ή καμία αποζημίωση από την εμπορική αξιοποίηση των συστημάτων ΤΝ.

Τα προβλήματα αυτά απαιτούν στοχευμένη νομοθετική παρέμβαση. Πέντε συγκεκριμένες διορθώσεις θα βοηθούσαν τους ερευνητές να συνεργάζονται και θα έκαναν τη γνώση πιο προσβάσιμη. Θα επέτρεπαν επίσης στα ιδρύματα γνώσης να εκπληρώνουν τη δημόσια αποστολή τους.

Επισκεφθείτε το fivefixes.eu για να δείτε αναλυτικά τις προτάσεις για ένα ισχυρότερο ευρωπαϊκό οικοσύστημα γνώσης.

Πηγή άρθρου: https://communia-association.org/

Απολογιστική αναφορά συμμετοχής στη Wikimania 2026
by: Wikimedia Greece

Του Μάριου Μαγιολαδίτη (User: magioladitis)
Παρίσι, Γαλλία, 21–25 Ιουλίου 2026

1. Εισαγωγή

Από τις 21 έως τις 25 Ιουλίου 2026 πραγματοποιήθηκε στο Παρίσι η Wikimania 2026, η ετήσια παγκόσμια συνάντηση της κοινότητας Wikimedia. Η διοργάνωση συνέπεσε με τη συμπλήρωση 25 χρόνων λειτουργίας της Wikipedia και ανέδειξε τις προκλήσεις που αντιμετωπίζει το οικοσύστημα της ελεύθερης γνώσης σε μια περίοδο έντονων τεχνολογικών, κοινωνικών και θεσμικών αλλαγών.

Συμμετείχα στη διοργάνωση με πλήρη υποτροφία, ως μακροχρόνιος συνεισφέρων στα εγχειρήματα Wikimedia. Η υποτροφία επέτρεψε την παρουσία μου στις εργασίες του συνεδρίου και τη συμμετοχή μου στις παράλληλες δραστηριότητες δικτύωσης και συνεργασίας.

Η παρουσία μου εντάσσεται στη διαχρονική συμμετοχή μου στο διεθνές κίνημα Wikimedia, στις δράσεις ανάπτυξης κοινοτήτων, στη διοργάνωση συνεδρίων και εκπαιδευτικών εκδηλώσεων και στην αξιοποίηση των ανοικτών τεχνολογιών και της ελεύθερης γνώσης.

Βασικοί άξονες ενδιαφέροντός μου στη διοργάνωση ήταν η διεθνής δικτύωση των κοινοτήτων, η οργανωτική εξέλιξη του κινήματος, η εκπαίδευση, η τεχνητή νοημοσύνη, τα δικαιώματα των έμπειρων χρηστών και η ανταλλαγή τεχνογνωσίας μεταξύ διοργανωτών συνεδρίων.

2. Βασικά στοιχεία και οργανωτικό πλαίσιο

Η Wikimania 2026 συνδιοργανώθηκε από τη Wikimedia France, το δίκτυο WikiFranca και το Wikimedia Foundation.

Το επίσημο θέμα της διοργάνωσης ήταν «Liberté, Équité, Fiabilité», δηλαδή Ελευθερία, Ισότητα στην πρόσβαση και Αξιοπιστία.

Η διοργάνωση συγκέντρωσε περισσότερες από 1.200 διά ζώσης συμμετοχές, σύμφωνα με την ενημέρωση των διοργανωτών, και περισσότερες από 2.000 διαδικτυακές εγγραφές, επιτρέποντας την επικοινωνία μεταξύ εθελοντών, στελεχών και εκπροσώπων του κινήματος από διαφορετικές χώρες.

Οι θεματικές ενότητες περιλάμβαναν το μέλλον της Wikipedia, την αξιοπιστία της πληροφορίας, την τεχνητή νοημοσύνη, τη διακυβέρνηση του κινήματος, τη διεθνή συνεργασία, την εκπαίδευση και την ανάπτυξη τεχνολογικών εργαλείων.

3. Συμμετοχή στο πλαίσιο της διεθνούς κοινότητας

Ένας από τους σημαντικότερους λόγους συμμετοχής μου ήταν η δυνατότητα άμεσης επαφής με εθελοντές και οργανωτικές δομές του κινήματος Wikimedia.

Η θέση μου ως Προέδρου της ελληνικής ομάδας χρηστών καθιστά ιδιαίτερα σημαντική την παρακολούθηση των εξελίξεων που επηρεάζουν τις αναγνωρισμένες ομάδες, τα παραρτήματα, τα περιφερειακά hubs και τους μηχανισμούς χρηματοδότησης.

Η συμμετοχή στη Wikimania προσέφερε το κατάλληλο πλαίσιο για την ανταλλαγή εμπειριών σχετικά με τη βιωσιμότητα των οργανώσεων, τη συνεργασία εθελοντών, τη διοργάνωση δράσεων και την ενίσχυση της διεθνούς παρουσίας μικρότερων κοινοτήτων.

Κατά το χρονικό διάστημα του συνεδρίου βρίσκονταν σε εξέλιξη συζητήσεις σχετικά με το οργανωτικό οικοσύστημα Wikimedia, τις προϋποθέσεις αναγνώρισης των οργανώσεων και το πλαίσιο χρηματοδότησής τους.

Η συγκεκριμένη διαδικασία έχει ιδιαίτερη σημασία για τη Κοινότητα Βικιπαιδιστών Ελλάδας, καθώς τυχόν αλλαγές μπορούν να επηρεάσουν τον σχεδιασμό δράσεων, την αναγνώριση των ομάδων χρηστών και τις δυνατότητες αξιοποίησης πόρων.

Μετά το συνέδριο, η συζήτηση συνεχίστηκε μέσω επίσημων διαδικασιών διαβούλευσης και ενημέρωσης των οργανώσεων.

Για την Παρασκευή 24 Ιουλίου, στις 13:30–14:30, είχε προγραμματιστεί ειδική συνάντηση προέδρων οργανώσεων Wikimedia.

Η συνάντηση απευθυνόταν σε προέδρους, αντιπροέδρους και εκπροσώπους διοικητικών συμβουλίων, προσφέροντας ευκαιρία οριζόντιας επικοινωνίας μεταξύ οργανωτικών σχημάτων.

Για την ελληνική κοινότητα, η σημασία τέτοιων συναντήσεων βρίσκεται στη δυνατότητα ανταλλαγής πρακτικών οργάνωσης, παρουσίασης εμπειριών από την Ελλάδα και ανάπτυξης σταθερότερων διεθνών επαφών.

3. Συνάντηση χρηστών με αυξημένα δικαιώματα

Στις 21 Ιουλίου διοργανώθηκε προσυνεδριακή συνάντηση χρηστών με αυξημένα δικαιώματα, όπως διαχειριστών, CheckUsers και Oversighters.

Έλαβα προσωπική πρόσκληση συμμετοχής λόγω της εμπειρίας και της δραστηριότητάς μου στα εγχειρήματα Wikimedia.

Η συνάντηση αφορούσε μια ομάδα χρηστών με ιδιαίτερες ευθύνες στην τεχνική και κοινοτική λειτουργία των εγχειρημάτων.

Τα θέματα αυτής της κοινότητας συνδέονται με τη διαχείριση δύσκολων υποθέσεων, τη συνεργασία μεταξύ έμπειρων εθελοντών, την εμπιστοσύνη στις διαδικασίες και την υποστήριξη χρηστών που αναλαμβάνουν επιπλέον καθήκοντα.

Η εμπειρία μου από την ελληνική και την αγγλική Wikipedia καθιστά αυτή τη θεματική ιδιαίτερα συναφή με το πεδίο της εθελοντικής μου δραστηριότητας.

Στο τέλος της συνάντησης ανακοινώθηκε και η απόφαση δειξαγωγής συνεδρίου αποκλειστικά για χρήστες με αυξημένα δικαιώματα που θα πραγματοποιθεί το Δεκέμβρη στην Πορτογαλία.

4. Περιφερειακή συνεργασία και Wikimedia CEE Hub

Το συνέδριο πραγματοποιήθηκε κατά την περίοδο ολοκλήρωσης των εκλογικών διαδικασιών για τη Steering Committee του Wikimedia CEE Hub.

Στις 24 Ιουλίου ανακοινώθηκαν τα αποτελέσματα των εκλογών. Παρακολούθησα τη σχετική αλληλογραφία και συμμετείχα στη συζήτηση που ακολούθησε, επισημαίνοντας την ανάγκη οι οργανωτικοί μηχανισμοί να διευκολύνουν την ουσιαστική εθελοντική δραστηριότητα.

Η λειτουργία του CEE Hub έχει ιδιαίτερη σημασία για την Ελλάδα, καθώς συνδέει κοινότητες της Κεντρικής και Ανατολικής Ευρώπης, διευκολύνοντας ανταλλαγές εμπειρίας, ανάπτυξη συνεργασιών και κοινές πρωτοβουλίες.

Για τη Wikimedia Community User Group Greece, η διατήρηση ενεργής σχέσης με τις περιφερειακές δομές μπορεί να συνεισφέρει στον καλύτερο σχεδιασμό μελλοντικών εκδηλώσεων, στην ανάπτυξη συνεργασιών και στη συμμετοχή στον στρατηγικό διάλογο του κινήματος.

5. Μεσογειακή συνεργασία

Για τις 24 Ιουλίου οργανώθηκε Mediterranean Meetup, μια πρωτοβουλία δικτύωσης εθελοντών και οργανώσεων από χώρες της Μεσογείου.

Είχα λάβει προσωπική πρόσκληση από μέλος της οργανωτικής πρωτοβουλίας, με παράλληλη προτροπή να κοινοποιήσω τη συνάντηση και σε άλλους Wikimedians της περιοχής.

Η θεματική της συνάντησης περιλάμβανε τη συνεργασία σε διεθνείς φωτογραφικούς διαγωνισμούς, την ανταλλαγή τεχνογνωσίας, την προστασία του πολιτιστικού και φυσικού περιβάλλοντος και την ανάπτυξη κοινών προγραμμάτων.

Η Μεσόγειος αποτελεί γεωγραφικό και πολιτιστικό πεδίο με ιδιαίτερο ενδιαφέρον για την ελληνική κοινότητα Wikimedia.

Πρωτοβουλίες όπως το Wiki Loves Monuments, το Wiki Loves Earth και οι δράσεις τεκμηρίωσης της τοπικής πολιτιστικής κληρονομιάς προσφέρουν συγκεκριμένα πεδία στα οποία μπορούν να αναπτυχθούν διεθνείς συνεργασίες.

Από τη συνάντηση προέκυψε και η συμμετοχή της ελληνικής κοινότητας στην δράση Wiki Loves Food η οποία ξεκίνησε με πρωτοβουλία της κοινότητας αλβανόφωνων βικιπαιδιστών.

6. Διοργάνωση συνεδρίων και ανταλλαγή εμπειρίας

Στις 25 Ιουλίου πραγματοποιήθηκε η συνεδρία «Wikimedia Conferences and Events: Learning and Sharing».

Είχα λάβει προσωπική πρόσκληση από την οργανωτική ομάδα του Wikimedia Foundation.

Η συνεδρία σχεδιάστηκε ως εργαστήριο ανταλλαγής εμπειριών μεταξύ προηγούμενων, ενεργών και μελλοντικών διοργανωτών εκδηλώσεων Wikimedia.

Οι βασικές θεματικές της περιλάμβαναν:

Τον αντίκτυπο των συνεδρίων στις κοινότητες.
Την ασφάλεια και την προστασία των συμμετεχόντων.
Τον σχεδιασμό συμπεριληπτικών εκδηλώσεων.
Τη χρησιμότητα υβριδικών και διαδικτυακών μορφών.
Τη μεταφορά οργανωτικής τεχνογνωσίας μεταξύ διοργανωτών.

Η συγκεκριμένη δραστηριότητα σχετιζόταν άμεσα με τη συμμετοχή μου στη διοργάνωση του Wikimedia CEE Meeting 2025 στη Θεσσαλονίκη και με τη γενικότερη εμπλοκή μου σε εκπαιδευτικές και τεχνολογικές εκδηλώσεις στην Ελλάδα.

Η αξιοποίηση οργανωτικών πρακτικών από διαφορετικές κοινότητες μπορεί να ενισχύσει τον σχεδιασμό μελλοντικών διεθνών και εθνικών δραστηριοτήτων.

7. Wikimedia και εκπαίδευση

Η αξιοποίηση των εγχειρημάτων Wikimedia στην εκπαίδευση υπήρξε μία από τις βασικές θεματικές της Wikimania 2026.

Στις 22 Ιουλίου συμμετείχα στη συζήτηση «AI and Wikipedia in Education: Opportunities, Ethics, and Equity in Practice».

Στις 24 Ιουλίου συμμετείχα επίσης στο εργαστήριο «Using Wikimedia in Education: A Practical Workshop by the EduWiki Hub».

Οι συγκεκριμένες δραστηριότητες ανέδειξαν ζητήματα που βρίσκονται στον πυρήνα του εκπαιδευτικού μου ενδιαφέροντος:

Την κριτική αξιολόγηση πηγών.
Την ανάπτυξη ψηφιακού γραμματισμού.
Τη χρήση της Wikipedia ως εκπαιδευτικού περιβάλλοντος.
Την αξιοποίηση των Wikidata και Wikimedia Commons.
Τη σχέση μεταξύ ανθρώπινης συνεισφοράς και παραγωγικής τεχνητής νοημοσύνης.

Οι σχετικές συζητήσεις είναι ιδιαίτερα σημαντικές για τον σχεδιασμό εκπαιδευτικών δραστηριοτήτων στην Ελλάδα, ιδίως όταν η Wikipedia αντιμετωπίζεται όχι απλώς ως πηγή πληροφοριών, αλλά ως περιβάλλον συνεργατικής παραγωγής, ελέγχου και τεκμηρίωσης της γνώσης.

8. Τεχνολογία και Wikimania Hackathon

Η διοργάνωση περιλάμβανε δραστηριότητες τεχνικής συνεργασίας και επίλυσης προβλημάτων μέσω του Wikimania Hackathon και των Team Challenges.

Ως υπότροφος έλαβα ενημέρωση σχετικά με τις εθελοντικές βάρδιες υποστήριξης του Hackathon, τη λειτουργία των χώρων και τον επιμερισμό αρμοδιοτήτων.

Η διοργάνωση τέτοιων δραστηριοτήτων έχει ιδιαίτερη σημασία για το κίνημα Wikimedia, καθώς ενισχύει τη συνεργασία μεταξύ προγραμματιστών, έμπειρων χρηστών, σχεδιαστών εργαλείων και άλλων εθελοντών.

Η σύνδεση της τεχνικής εργασίας με τις πραγματικές ανάγκες των κοινοτήτων αποτελεί σημαντικό παράγοντα για τη βιωσιμότητα και την ανάπτυξη των εγχειρημάτων.

9. Επαφή με θεσμούς και πολιτιστικές δραστηριότητες

Στο πλαίσιο των παράλληλων δραστηριοτήτων της Wikimania 2026 είχε προγραμματιστεί επίσκεψη στη Γαλλική Εθνοσυνέλευση (Assemblée Nationale). Η συμμετοχή μου στην επίσκεψη είχε επιβεβαιωθεί από τους διοργανωτές για την Πέμπτη 23 Ιουλίου 2026, με προγραμματισμένη ξενάγηση από τις 14:30 έως τις 16:00. Η συγκεκριμένη δραστηριότητα εντασσόταν στις επισκέψεις συνεργατών και πολιτιστικού ενδιαφέροντος που συνόδευαν το βασικό πρόγραμμα της Wikimania. Η επαφή της κοινότητας Wikimedia με δημόσιους θεσμούς συνδέεται με τον ευρύτερο διάλογο για την πρόσβαση στη γνώση, τη διατήρηση της πολιτιστικής και ιστορικής πληροφορίας και τον ρόλο των ανοικτών ψηφιακών εγχειρημάτων στη σύγχρονη κοινωνία.

Στην επίσκεψη μου στο Παρίσι είχα επίσης την ευκαιρία να δω πώς είναι και ο Ευρωπαϊκός Διαστημικός Σταθμός καθώς και τεχνολογίκα επιτεύγματα στην διαστημική τεχνολογία

Και επειδή όλοι βάζουμε ένα κομμάτι στην παγκόσμια γνώση, κάθε συνεισφορά στην Βικιπαίδεια είναι συνεισφορά στην ανθρωπότητα, είναι προσφορά στην παγκόσμια γνώση. Συμβολικά όλοι οι βικιπαιδιστές που βρεθήκαμε στο Παρίσι συμπληρώσαμε ένα τεράστιο παζλ τιμώντας τα 25 χρόνια της Βικιπαίδεια. 25 χρόνια προσφοράς στην εκπαίδευση, στην γνώση, για μια κοινωνία όπου όλοι και όλες θα έχουν ελεύθερη πρόσβαση στη γνώση. Για μια κοινωνία που ο καθένας θα απολαμβάνει τον πλούτο που παράγει.

10. Αξιολόγηση της συμμετοχής, μελλοντικές δράσεις και συμπεράσματα

Η Wikimania 2026 αποτέλεσε σημαντική ευκαιρία ενημέρωσης και διεθνούς δικτύωσης.

Η συμμετοχή μου συνδέθηκε με τέσσερα βασικά πεδία: την εκπροσώπηση της ελληνικής κοινότητας, τη θεσμική λειτουργία του κινήματος, την ανταλλαγή τεχνογνωσίας και τη διασύνδεση Wikimedia, εκπαίδευσης και νέων τεχνολογιών.

Ιδιαίτερη σημασία είχε η δυνατότητα παρακολούθησης των συζητήσεων για τη μελλοντική οργανωτική δομή του Wikimedia, τη θέση των μικρότερων κοινοτήτων και τους μηχανισμούς υποστήριξης των εθελοντικών οργανώσεων.

Παράλληλα, η παρουσία σε μία διοργάνωση με τόσο ευρύ διεθνή χαρακτήρα δημιούργησε ένα πλαίσιο επαφών που μπορεί να αξιοποιηθεί σε επόμενες δράσεις της ελληνικής κοινότητας.

Η εμπειρία της Wikimania μπορεί να αξιοποιηθεί με συγκεκριμένες πρωτοβουλίες.

Πρώτον, με συστηματική ενημέρωση της ελληικής Κοινότητας για τις αλλαγές που συζητούνται σχετικά με τις οργανώσεις του κινήματος και το χρηματοδοτικό πλαίσιο.

Δεύτερον, με ενίσχυση της συνεργασίας με το Wikimedia CEE Hub και με κοινότητες της Μεσογείου, ιδιαίτερα σε προγράμματα φωτογραφικής και πολιτιστικής τεκμηρίωσης.

Τρίτον, με αξιοποίηση της εμπειρίας από διεθνή συνέδρια για τη βελτίωση της οργάνωσης εκδηλώσεων στην Ελλάδα, με έμφαση στην αποτελεσματικότητα, τη διαφάνεια, τη συμπερίληψη και τον μετρήσιμο αντίκτυπο.

Τέταρτον, με ανάπτυξη νέων εκπαιδευτικών δραστηριοτήτων γύρω από την Wikipedia, τα Wikidata και τον κριτικό γραμματισμό στην εποχή της τεχνητής νοημοσύνης.

Πέμπτον, με ενθάρρυνση περισσότερων Ελλήνων εθελοντών να συμμετέχουν σε διεθνείς διαβουλεύσεις, ομάδες εργασίας και διαδικασίες διαμόρφωσης στρατηγικής.

Η συμμετοχή μου στη Wikimania 2026 στο Παρίσι εντάσσεται σε μια μακροχρόνια προσπάθεια ενίσχυσης της παρουσίας της ελληνικής κοινότητας Wikimedia στον διεθνή διάλογο για την ελεύθερη γνώση.

Το συνέδριο ανέδειξε ότι, 25 χρόνια μετά τη δημιουργία της Wikipedia, η λειτουργία των εγχειρημάτων Wikimedia απαιτεί όχι μόνο τεχνική ανάπτυξη, αλλά και ισχυρές κοινότητες εθελοντών, αποτελεσματικούς μηχανισμούς συνεργασίας, οργανωτική διαφάνεια και συνεχή επένδυση στην αξιοπιστία της πληροφορίας.

Για την ελληνική κοινότητα, το σημαντικότερο ζητούμενο είναι η μετατροπή των διεθνών επαφών και της εμπειρίας σε πρακτικές δράσεις, συνεργασίες και νέες ευκαιρίες συμμετοχής.

Η Wikimania 2026 αποτέλεσε, συνεπώς, ένα σημαντικό σημείο αναφοράς για τη συνέχιση και διεύρυνση της δραστηριότητάς μου στο παγκόσμιο κίνημα Wikimedia.

Η ολλανδική Φορολογική Διοίκηση στρέφεται σε δικούς της servers και ανοιχτό λογισμικό
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για την Ανοιχτή Διακυβέρνηση

Η ολλανδική φορολογική και τελωνειακή διοίκηση ακυρώνει τη μετάβασή της στο Microsoft 365 στο cloud. Οι εφαρμογές γραφείου της θα λειτουργούν πλέον σε servers που ελέγχει η ίδια, σε συνδυασμό με ευρωπαϊκά εργαλεία ανοιχτού λογισμικού. Το σχέδιο παρουσίασε ο Υφυπουργός Οικονομικών Eelco Eerenberg σε επιστολή του προς το ολλανδικό κοινοβούλιο αυτή την εβδομάδα.

Η αλλαγή αφορά την Belastingdienst (τη φορολογική αρχή), τα ολλανδικά Τελωνεία και την Υπηρεσία Επιδομάτων. Μέσα στο 2027, το email και τα ημερολόγια θα μεταφερθούν στους servers του οργανισμού. Στη συνέχεια, από τα τέλη του 2027 έως το 2028, θα εισαχθούν εργαλεία ανοιχτού κώδικα για προσωπική αποθήκευση αρχείων και συνεργασία.

Σύμφωνα με τον Eerenberg, η νέα προσέγγιση επιτρέπει στον οργανισμό να εργαστεί στοχευμένα προς μια βιώσιμη λύση με μεγαλύτερη αυτονομία για τις λειτουργίες αυτές.

Πώς άλλαξε η πορεία

Τον Οκτώβριο του 2025, το υπουργείο είχε ενημερώσει τη Βουλή ότι η φορολογική διοίκηση θα περνούσε στο Microsoft 365, χαρακτηρίζοντας τη σουίτα στο cloud ως τη μόνη εφαρμόσιμη και ρεαλιστική επιλογή. Τον Ιούνιο του 2026, ο Eerenberg ανακοίνωσε ότι η απόφαση θα επανεξεταστεί, και στις 9 Ιουλίου πάγωσε την υλοποίηση.

Το πάγωμα ήρθε μετά από έκθεση του Adviescollege ICT-toetsing, του κυβερνητικού συμβουλίου αξιολόγησης έργων πληροφορικής. Το βασικό του συμπέρασμα ήταν ότι η επιλεγμένη προσέγγιση δεν θα οδηγούσε σε κατάλληλο ψηφιακό χώρο εργασίας. Μέχρι τον Ιανουάριο του 2026, περίπου 5.000 από τους περίπου 47.500 εργαζόμενους είχαν ήδη μεταφερθεί στο Microsoft 365.

Το συμβούλιο επισήμανε ότι ο οργανισμός δεν χρησιμοποιούσε Double Key Encryption, μια τεχνολογία που θα του έδινε μεγαλύτερο έλεγχο επί των δεδομένων του. Επιπλέον, η κρυπτογράφηση από άκρο σε άκρο δεν ήταν ενεργοποιημένη από προεπιλογή στις ατομικές κλήσεις μέσω Teams. Εντόπισε ακόμη εξάρτηση από τον προμηθευτή (vendor lock-in) χωρίς εφαρμόσιμη στρατηγική εξόδου, κάτι που περιόριζε την ελευθερία του οργανισμού να μετακινηθεί αργότερα σε μια πιο κυρίαρχη λύση.

Τα επόμενα βήματα

Όπως εξηγεί ο Eerenberg, η επιστροφή σε τοπικές υποδομές (on-premises) έγινε εφικτή εν μέρει επειδή ο οργανισμός έχει αυξήσει τη δυναμικότητα των κέντρων δεδομένων του. Για να συγκρατηθεί το πρόσθετο κόστος, θα αξιοποιηθούν όπου είναι δυνατόν οι υπάρχουσες άδειες χρήσης. Παράλληλα, ακολουθείται η σύσταση του συμβουλίου να εξετάζονται εναλλακτικές λύσεις ανά λειτουργία, αντί για εξάρτηση από έναν μόνο προμηθευτή.

Η αλλαγή καθυστερεί ορισμένα εργαλεία αρχειοθέτησης. Αρκετές λειτουργίες διαχείρισης αρχείων περιλαμβάνονταν στο πακέτο του Microsoft 365 και δεν υπάρχουν σε τοπική εγκατάσταση. Ο οργανισμός εξετάζει πώς θα τις αντικαταστήσει, και ο Υφυπουργός θα ενημερώσει σχετικά στην επόμενη έκθεση προόδου.

Η ίδια επιδίωξη ψηφιακής αυτονομίας έχει ήδη επηρεάσει και άλλα έργα. Ο οργανισμός ανέλαβε ο ίδιος τη φιλοξενία του νέου του συστήματος ΦΠΑ, την οποία είχε αρχικά ο προμηθευτής. Ως αποτέλεσμα, το σύστημα επιστροφών ΦΠΑ θα τεθεί σε λειτουργία τον Απρίλιο του 2027, ενώ η εφαρμογή για τον εγχώριο ΦΠΑ μετατίθεται από την 1η Ιουλίου 2027 στο τρίτο τρίμηνο του ίδιου έτους.

Η Microsoft αρνήθηκε να σχολιάσει όταν ερωτήθηκε από το The Register. Ο Eerenberg επρόκειτο να συζητήσει τα σχέδια με τους βουλευτές σε συνεδρίαση επιτροπής στις 7 Οκτωβρίου.

Ένα ευρύτερο ευρωπαϊκό ρεύμα

Η κίνηση της φορολογικής διοίκησης δεν είναι μεμονωμένη. Στην Ολλανδία, η κυβέρνηση αναπτύσσει το δικό της περιβάλλον εργασίας Linux. Τον Ιούλιο, η Airbus ανακοίνωσε ότι θα μεταφέρει τις πιο κρίσιμες εφαρμογές της σε γαλλικό cloud, ενώ οι Βρυξέλλες κινήθηκαν για να υπαγάγουν τα AWS και Azure στους αυστηρότερους κανόνες τεχνολογίας της ΕΕ.

Πηγή άρθρου: https://thenextweb.com/

Τεχνητή Νοημοσύνη το 2026: τι είναι επιστημονική πραγματικότητα και τι όχι
by: ΕΛ/ΛΑΚ: Ελεύθερο Λογισμικό στην Εκπαίδευση

Από την εικόνα μιας «παντοδύναμης ΤΝ» στην ΤΝ ως εργαλείο της έρευνας

Η δημόσια συζήτηση για την Τεχνητή Νοημοσύνη συχνά κινείται ανάμεσα σε δύο υπερβολές. Από τη μία παρουσιάζεται ως μια σχεδόν αυτόνομη νοημοσύνη που σύντομα θα αντικαταστήσει τον επιστήμονα, τον εκπαιδευτικό ή τον γιατρό. Από την άλλη αντιμετωπίζεται ως ένα ακόμη εργαλείο αυτοματοποίησης. Η επιστημονική πραγματικότητα του 2026 βρίσκεται αλλού.

Δεν διαθέτουμε μια γενική τεχνητή νοημοσύνη που να κατανοεί τον κόσμο όπως ο άνθρωπος, να επιλέγει μόνη της ποια ερωτήματα αξίζει να ερευνηθούν, να διατυπώνει αξιόπιστα νέες θεωρίες και να εγγυάται ότι τα συμπεράσματά της είναι αληθή. Διαθέτουμε όμως ένα πολύ ισχυρό σύνολο υπολογιστικών εργαλείων που μπορεί ήδη να υποστηρίζει σχεδόν ολόκληρο τον ερευνητικό κύκλο: αναζήτηση βιβλιογραφίας, ανάλυση δεδομένων, συγγραφή και έλεγχο κώδικα, προσομοιώσεις, επεξεργασία κειμένων και εικόνων, ανίχνευση προτύπων, παραγωγή υποθέσεων και επιλογή των επόμενων πειραμάτων.

Η βασική αρχή δεν αλλάζει: η ΤΝ μπορεί να προτείνει, αλλά ο ερευνητής πρέπει να επαληθεύει. Ένα μοντέλο μπορεί να γράψει εύλογο κώδικα που περιέχει σφάλματα, να συντάξει πειστικό κείμενο με ανύπαρκτες παραπομπές ή να εντοπίσει μια στατιστική σχέση που δεν έχει αιτιώδη σημασία. Στην επιστήμη η αληθοφάνεια δεν αρκεί. Χρειάζονται τεκμήρια, επανάληψη, έλεγχος και ανθρώπινη επιστημονική κρίση.

Το ουσιαστικό ερώτημα, επομένως, δεν είναι αν «η ΤΝ θα κάνει επιστήμη μόνη της», αλλά πώς μπορεί να χρησιμοποιηθεί με τρόπο ελέγξιμο, αναπαραγώγιμο και συμβατό με την ανοικτή επιστήμη.

Η ΤΝ αρχίζει από τη βιβλιογραφία και τα δεδομένα

Η πρώτη κοινή ανάγκη σχεδόν όλων των επιστημονικών κλάδων είναι να γνωρίζουμε τι έχει ήδη δημοσιευθεί. Το OpenAlex παρέχει έναν ανοικτό γράφο επιστημονικής γνώσης που συνδέει εργασίες, συγγραφείς, ιδρύματα, πηγές και θεματικές περιοχές. Δεν πρέπει όμως να συγχέουμε την ανοικτότητα των μεταδεδομένων με τα δικαιώματα πάνω στο πλήρες κείμενο κάθε δημοσίευσης. Το OpenAlex καταγράφει χωριστά την άδεια κάθε διαθέσιμου αντιγράφου, από CC BY έως CC0 ή ειδικότερους όρους.

Για μαζική και αναπαραγώγιμη βιβλιομετρική έρευνα, το Alexandria3k, με άδεια GPL-3.0, δίνει τοπική πρόσβαση σε μεγάλα ανοικτά σύνολα μεταδεδομένων από Crossref, PubMed, ORCID, ROR και άλλες πηγές. Ο ερευνητής μπορεί να δημιουργήσει ένα επακριβώς καθορισμένο σύνολο βιβλιογραφικών δεδομένων και να επαναλάβει την ανάλυσή του χωρίς να εξαρτάται αποκλειστικά από μια κλειστή πλατφόρμα. Το έργο παραμένει διαθέσιμο και συντηρούμενο ως ανοικτή ερευνητική υποδομή.

Από εκεί και πέρα, το Jupyter και το JupyterHub επιτρέπουν να συνδυάζονται δεδομένα, κώδικας, επεξηγήσεις και αποτελέσματα σε ένα αναπαραγώγιμο υπολογιστικό περιβάλλον, ενώ το scikit-learn, με άδεια BSD-3-Clause, παρέχει ένα ώριμο οικοσύστημα μηχανικής μάθησης. Η έκδοση 1.9.1 του scikit-learn δημοσιεύθηκε τον Σεπτέμβριο του 2026 και η ανάπτυξη της επόμενης σειράς συνεχίζεται ενεργά.

Εδώ βρίσκεται ίσως η πιο σημαντική αλλαγή: η ΤΝ δεν είναι μόνο ένα chatbot. Μπορεί να γίνει τμήμα μιας πλήρως τεκμηριωμένης επιστημονικής ροής εργασίας.

Τα γλωσσικά μοντέλα ως ερευνητική υποδομή

Τα μεγάλα γλωσσικά μοντέλα μπορούν να συνοψίζουν κείμενα, να βοηθούν στον προγραμματισμό, να κατηγοριοποιούν έγγραφα και να λειτουργούν ως φυσική γλωσσική διεπαφή προς επιστημονικές βάσεις γνώσης. Για την έρευνα, όμως, έχει ιδιαίτερη σημασία πόσο ανοικτό είναι το ίδιο το μοντέλο.

Το OLMo του Allen Institute for AI αποτελεί χαρακτηριστικό παράδειγμα προσέγγισης στην οποία δεν δημοσιεύονται μόνο βάρη, αλλά και στοιχεία της διαδικασίας εκπαίδευσης, δεδομένα και εργαλεία αξιολόγησης. Αντίστοιχα, το ευρωπαϊκό Apertus έχει σχεδιαστεί με έμφαση στη διαφάνεια, την πολυγλωσσικότητα και τη δυνατότητα τοπικής χρήσης.

Αυτό είναι κρίσιμο για την επιστήμη. Η δυνατότητα λήψης των βαρών ενός μοντέλου δεν αρκεί για να χαρακτηριστεί ένα σύστημα πλήρως ανοικτό. Πρέπει να εξετάζονται χωριστά η άδεια του κώδικα, η άδεια των βαρών, η διαθεσιμότητα και η τεκμηρίωση των δεδομένων εκπαίδευσης και οι τυχόν πρόσθετοι περιορισμοί χρήσης.

Φυσικές επιστήμες: η ΤΝ επιλέγει τι αξίζει να εξεταστεί

Στη φυσική, στη χημεία και στην επιστήμη υλικών, η ΤΝ αποκτά αξία όταν μειώνει έναν τεράστιο χώρο πιθανών λύσεων πριν από το ακριβό πείραμα.

Το MatterGen χρησιμοποιεί παραγωγικά μοντέλα για να προτείνει νέες ανόργανες κρυσταλλικές δομές με συγκεκριμένες ιδιότητες. Ο κώδικάς του διατίθεται με άδεια MIT και το έργο είχε ενεργές νέες εκδόσεις μέσα στο 2026.

Στη χημεία και στη χημειοπληροφορική, το RDKit, με άδεια BSD-3-Clause, προσφέρει εργαλεία αναπαράστασης μορίων, υπολογισμού μοριακών χαρακτηριστικών και αναζήτησης χημικών δομών. Η έκδοση 2026.09.1 δείχνει ότι πρόκειται για ιδιαίτερα ενεργό έργο.

Το DeepChem, με άδεια MIT, συνδυάζει βαθιά μάθηση με εφαρμογές στη χημεία, τη βιολογία, την ανακάλυψη φαρμάκων, την κβαντική χημεία και την επιστήμη υλικών.

Η ΤΝ εδώ δεν αντικαθιστά το εργαστήριο. Βοηθά να αποφασίσουμε ποια πειράματα αξίζει να γίνουν πρώτα.

Μαθηματικά και Επιστήμες της Πληροφορίας: από την πρόταση στην απόδειξη

Στα μαθηματικά, το πρόβλημα της επαλήθευσης είναι ιδιαίτερα καθαρό. Ένα γλωσσικό μοντέλο μπορεί να προτείνει μια απόδειξη, αλλά μια πειστική ακολουθία μαθηματικών συμβόλων δεν αποτελεί κατ’ ανάγκη έγκυρη απόδειξη.

Το Lean 4, με άδεια Apache-2.0, και η ανοικτή βιβλιοθήκη Mathlib, επίσης με Apache-2.0, επιτρέπουν τη μηχανική επαλήθευση τυπικών αποδείξεων. Και τα δύο αποτελούν ιδιαίτερα ενεργά έργα. Η σειρά Lean 4.34 ενημερωνόταν ακόμη τον Σεπτέμβριο του 2026.

Αυτό δημιουργεί ένα ενδιαφέρον νέο μοντέλο επιστημονικής συνεργασίας: η ΤΝ μπορεί να παράγει υποψήφιες ιδέες, ενώ ένα τυπικό σύστημα ελέγχει αν η απόδειξη που τελικά διατυπώθηκε είναι λογικά έγκυρη.

Επιστήμες Μηχανικού: όταν η ΤΝ συναντά το φυσικό σύστημα

Στη μηχανική, η ΤΝ συνδέεται άμεσα με προσομοιώσεις, σχεδιασμό και πραγματικά συστήματα.

Το ανοικτό πλαίσιο AlphaChip / Circuit Training χρησιμοποιεί ενισχυτική μάθηση για προβλήματα χωροθέτησης στοιχείων ολοκληρωμένων κυκλωμάτων. Πρόκειται για ερευνητικό πλαίσιο και όχι για ένα απλό πακέτο παραγωγής, κάτι που έχει σημασία όταν αξιολογούμε πόσο «ώριμο» είναι ένα εργαλείο.

Το LeRobot προσφέρει ένα ανοικτό οικοσύστημα για πραγματική ρομποτική, συλλογή δεδομένων, εκπαίδευση πολιτικών και αξιολόγηση. Ο κώδικας διατίθεται με Apache-2.0 και η ενεργή σειρά 0.6 ενημερωνόταν μέσα στο 2026.

Για αριθμητικές προσομοιώσεις, το FEniCSx / DOLFINx παρέχει υποδομή πεπερασμένων στοιχείων για μερικές διαφορικές εξισώσεις. Το DOLFINx διατίθεται με LGPL-3.0-or-later και αναπτύσσεται ενεργά. Μπορεί να λειτουργήσει είτε ως πηγή δεδομένων για μοντέλα ΤΝ είτε ως ανεξάρτητη αριθμητική μέθοδος αναφοράς απέναντι στις προβλέψεις τους.

Επιστήμες Ζωής, Ιατρική και Υγεία: ισχυρά εργαλεία, αυστηρότερες απαιτήσεις

Η βιοϊατρική έρευνα αποτελεί ήδη ένα από τα πιο προηγμένα πεδία εφαρμογής.

Η AlphaFold Protein Structure Database έχει μεταβάλει τον τρόπο με τον οποίο οι ερευνητές προσεγγίζουν τη δομή των πρωτεϊνών, παρέχοντας πρόσβαση σε τεράστιο αριθμό προβλεπόμενων δομών. Οι προβλέψεις αυτές είναι αφετηρία για νέα πειράματα, όχι υποκατάστατό τους.

Στην ιατρική απεικόνιση, το MONAI, με άδεια Apache-2.0, αποτελεί ώριμη πλατφόρμα για εκπαίδευση και αξιολόγηση μοντέλων σε δισδιάστατες και τρισδιάστατες ιατρικές εικόνες. Η έκδοση 1.6.1 δημοσιεύθηκε στις 25 Σεπτεμβρίου 2026, στοιχείο που δείχνει πολύ ενεργή ανάπτυξη.

Στη μονοκυτταρική και χωρική βιολογία, το οικοσύστημα scverse περιλαμβάνει το Scanpy, με BSD-3-Clause, και το scvi-tools, επίσης με BSD-3-Clause, για στατιστική και βαθιά μάθηση σε γονιδιωματικά δεδομένα. Το scvi-tools είχε φθάσει στη σειρά 1.5 μέσα στο 2026.

Στην υγεία, όμως, η ποιότητα του μοντέλου δεν αρκεί. Η προστασία προσωπικών δεδομένων, η αντιπροσωπευτικότητα των συνόλων εκπαίδευσης, η κλινική επικύρωση και η ανθρώπινη εποπτεία αποτελούν μέρος της ίδιας της επιστημονικής αξιολόγησης.

Γεωπονικές επιστήμες και τρόφιμα: νέα εργαλεία μέτρησης

Η σύγχρονη γεωπονική έρευνα μπορεί να συνδυάζει δορυφορικές εικόνες, αισθητήρες, μετεωρολογικές παρατηρήσεις, δεδομένα εδάφους και μηχανική μάθηση.

Το Orfeo ToolBox, με άδεια Apache-2.0, προσφέρει εργαλεία για επεξεργασία πολυφασματικών, οπτικών και εικόνων ραντάρ, ταξινόμηση και τηλεπισκόπηση. Η έκδοση 10.0.0 βρισκόταν ήδη σε στάδιο release candidate τον Σεπτέμβριο του 2026.

Σε συνδυασμό με το QGIS, το GDAL, δεδομένα Sentinel και επίγειες παρατηρήσεις, ένας ερευνητής μπορεί να μελετά υδατικό στρες, φυτικές ασθένειες, απόδοση καλλιεργειών και μεταβολές χρήσεων γης.

Η ΤΝ εδώ λειτουργεί ως νέο επιστημονικό όργανο. Δεν μετατρέπει ένα γεωπονικό πρόβλημα σε πρόβλημα πληροφορικής.

Περιβάλλον, κλίμα και ενέργεια: από τα δεδομένα στην πρόβλεψη και στα σενάρια

Στις περιβαλλοντικές επιστήμες παράγονται τεράστιοι όγκοι δεδομένων από δορυφόρους, μετεωρολογικά δίκτυα και αισθητήρες.

Το Artificial Intelligence Forecasting System του ECMWF αποτελεί παράδειγμα μετάβασης της μηχανικής μάθησης από το εργαστήριο σε επιχειρησιακή πρόγνωση καιρού. Τα δεδομένα του AIFS διατίθενται για ερευνητική αξιοποίηση υπό ανοικτούς όρους, ενώ οι υπηρεσίες Copernicus παρέχουν κρίσιμη δημόσια υποδομή δεδομένων για κλίμα, γη, ατμόσφαιρα και θάλασσα.

Στην ενεργειακή έρευνα, το PyPSA, με άδεια MIT και τεκμηρίωση CC BY 4.0, επιτρέπει μοντελοποίηση και βελτιστοποίηση ενεργειακών συστημάτων. Μπορεί να συνδέεται με προβλέψεις παραγωγής από ΑΠΕ ή ζήτησης που παράγονται με μηχανική μάθηση και να χρησιμοποιείται για σύγκριση σεναρίων δικτύων, αποθήκευσης και επενδύσεων.

Η διάκριση είναι κρίσιμη: ένα μοντέλο ΤΝ μπορεί να προβλέπει. Η απόφαση για το ποιο ενεργειακό σύστημα θέλουμε παραμένει επιστημονικό, οικονομικό και πολιτικό ερώτημα.

Κοινωνικές επιστήμες: η δυνατότητα ανάγνωσης εκατομμυρίων κειμένων

Στις κοινωνικές επιστήμες η μεγαλύτερη αλλαγή είναι η κλίμακα.

Το BERTopic, με άδεια MIT, μπορεί να εντοπίζει θεματικές δομές σε μεγάλες συλλογές κειμένων. Το quanteda, με GPL-3.0, παρέχει ένα ώριμο περιβάλλον στην R για ποσοτική ανάλυση κειμένου, σώματα κειμένων, συχνότητες όρων και συμφραζόμενα.

Ένας πολιτικός επιστήμονας μπορεί να αναλύσει δεκαετίες κοινοβουλευτικών πρακτικών. Ένας κοινωνιολόγος μπορεί να εξετάσει χιλιάδες συνεντεύξεις ή ανοικτές απαντήσεις ερευνών. Ένας ερευνητής επικοινωνίας μπορεί να χαρτογραφήσει μεταβολές στον δημόσιο λόγο.

Η παγίδα είναι να συγχέουμε την ταξινόμηση με την ερμηνεία. Η μηχανή μπορεί να αναγνωρίσει πρότυπα. Η κοινωνική σημασία τους εξακολουθεί να απαιτεί θεωρία, ιστορικό πλαίσιο και ανθρώπινη ερμηνεία.

Οικονομικά, διοίκηση και επιστήμη της καινοτομίας: από τη συσχέτιση στην αιτιότητα

Η ΤΝ μπορεί να εξαγάγει μεταβλητές από κείμενα, επιχειρηματικά μητρώα, διπλώματα ευρεσιτεχνίας και επιστημονικές δημοσιεύσεις. Αυτό όμως δεν μετατρέπει αυτόματα μια συσχέτιση σε αιτιώδη σχέση.

Το DoWhy, με άδεια MIT, παρέχει εργαλεία για ρητή διατύπωση αιτιωδών υποθέσεων, εκτίμηση επιδράσεων και ελέγχους ανθεκτικότητας. Το EconML συνδυάζει μηχανική μάθηση με οικονομετρικές προσεγγίσεις για ετερογενείς αιτιώδεις επιδράσεις και είχε νέα έκδοση 0.17.0 τον Ιούλιο του 2026.

Έτσι, η ΤΝ μπορεί να βοηθήσει να εντοπίσουμε ποια χαρακτηριστικά μιας επιχείρησης συνδέονται με μια πολιτική ή μια τεχνολογική αλλαγή. Δεν μπορεί όμως να υποκαταστήσει τον σωστό ερευνητικό σχεδιασμό.

Ανθρωπιστικές επιστήμες, αρχαιολογία και τέχνες: περισσότερα τεκμήρια, όχι λιγότερη ερμηνεία

Η ΤΝ ανοίγει νέες δυνατότητες σε ιστορικούς, φιλολόγους, αρχαιολόγους, γλωσσολόγους και ερευνητές πολιτισμού.

Το Kraken, με Apache-2.0, έχει σχεδιαστεί ειδικά για αναγνώριση ιστορικού έντυπου και χειρόγραφου υλικού και για μη λατινικές γραφές. Μπορεί να εκπαιδευτεί σε συγκεκριμένες συλλογές και γλώσσες, κάτι που είναι ιδιαίτερα σημαντικό για αρχεία, χειρόγραφα και ιστορικά τεκμήρια.

Σε συνδυασμό με εργαλεία όπως QGIS για αρχαιολογικά δεδομένα, OpenAlex για βιβλιογραφική χαρτογράφηση και ανοικτά γλωσσικά μοντέλα για σημασιολογική αναζήτηση, οι ανθρωπιστικές επιστήμες μπορούν να εργαστούν σε κλίμακα που παλαιότερα ήταν πρακτικά αδύνατη.

Η ερμηνεία, όμως, δεν μεταφέρεται στη μηχανή. Η ΤΝ διευρύνει το σώμα των τεκμηρίων που μπορεί να εξετάσει ο ερευνητής. Δεν αποφασίζει τι σημαίνουν ιστορικά.

Τι αλλάζει για τον υποψήφιο διδάκτορα και τον επιβλέποντα

Η χρήση της ΤΝ εξελίσσεται σε οριζόντια ερευνητική δεξιότητα, όπως η στατιστική, η βιβλιογραφική έρευνα και η επιστημονική δεοντολογία.

Ο νέος ερευνητής πρέπει πλέον να γνωρίζει όχι μόνο πώς να υποβάλει μια καλή ερώτηση σε ένα μοντέλο, αλλά και πώς να καταγράφει ποιο μοντέλο χρησιμοποίησε, ποια έκδοση, με ποια δεδομένα, με ποιες παραμέτρους και με ποιον τρόπο επαλήθευσε το αποτέλεσμα.

Αντίστοιχα, ο επιβλέπων πρέπει να γνωρίζει ποια δεδομένα εισάγονται σε εξωτερικά συστήματα, αν περιέχουν προσωπικές ή εμπιστευτικές πληροφορίες και αν η χρήση της ΤΝ επηρεάζει ουσιωδώς τη μεθοδολογία ή τα αποτελέσματα της έρευνας.

Τα Προγράμματα Μεταπτυχιακών και Διδακτορικών Σπουδών χρειάζονται πλέον βασική εκπαίδευση σε πέντε τουλάχιστον πεδία: αναζήτηση και επαλήθευση επιστημονικής βιβλιογραφίας, χρήση ΤΝ για κώδικα και δεδομένα, αξιολόγηση και αναπαραγωγιμότητα μοντέλων, προστασία δεδομένων και πνευματική ιδιοκτησία, δεοντολογία και γνωστοποίηση της χρήσης ΤΝ. Αυτή ακριβώς η ανάγκη αναδεικνύεται και στο συνημμένο κείμενο.

Η άδεια χρήσης είναι μέρος της επιστημονικής μεθοδολογίας

Το 2026 δεν αρκεί να γνωρίζουμε ότι ένα εργαλείο «είναι δωρεάν».

Ένα σύγχρονο ερευνητικό έργο πρέπει να καταγράφει αν το λογισμικό διατίθεται με MIT, BSD, Apache, GPL ή άλλη άδεια, αν τα μοντέλα και τα βάρη τους έχουν την ίδια άδεια με τον κώδικα και αν τα δεδομένα που χρησιμοποιούνται μπορούν πράγματι να επαναχρησιμοποιηθούν.

Οι permissive άδειες όπως MIT, BSD και Apache 2.0 επιτρέπουν συνήθως πολύ ευρεία επαναχρησιμοποίηση. Οι άδειες GPL επιβάλλουν ισχυρότερους όρους copyleft στη διανομή τροποποιημένου λογισμικού. Στα δεδομένα, οι άδειες Creative Commons ρυθμίζουν διαφορετικά την αναφορά δημιουργού, την εμπορική χρήση ή τις παράγωγες εργασίες.

Για την επιστήμη αυτό δεν είναι νομική λεπτομέρεια. Αν ο κώδικας, το μοντέλο ή τα δεδομένα δεν μπορούν να κοινοποιηθούν ή να επαναχρησιμοποιηθούν, περιορίζεται και η δυνατότητα ανεξάρτητης αναπαραγωγής του αποτελέσματος.

Πόσο «ενημερωμένο» πρέπει να είναι ένα επιστημονικό εργαλείο;

Η τελευταία ημερομηνία έκδοσης είναι χρήσιμη αλλά δεν αρκεί από μόνη της.

Ένα εργαλείο μπορεί να είναι ώριμο και σταθερό χωρίς εβδομαδιαίες εκδόσεις. Αντίθετα, ένα νεότερο εργαλείο ΤΝ μπορεί να αλλάζει τόσο γρήγορα ώστε ένα πείραμα που έγινε σήμερα να είναι δύσκολο να αναπαραχθεί ύστερα από λίγους μήνες.

Γι’ αυτό η επιστημονική τεκμηρίωση πρέπει να αναφέρει πάντοτε την ακριβή έκδοση του λογισμικού και του μοντέλου. Πρέπει επίσης να διατηρούνται, όπου είναι δυνατόν, το περιβάλλον εκτέλεσης, τα δεδομένα εισόδου, τα αρχεία ρυθμίσεων και τα σημεία ελέγχου του μοντέλου(checkpoints).

Το ζητούμενο δεν είναι να χρησιμοποιούμε πάντοτε «το πιο καινούργιο». Είναι να χρησιμοποιούμε μια τεκμηριωμένη έκδοση.

Η πραγματική επανάσταση είναι η ανοικτή και αναπαραγώγιμη επιστήμη

Η σημαντικότερη αλλαγή που φέρνει η Τεχνητή Νοημοσύνη δεν είναι η δημιουργία ενός «τεχνητού επιστήμονα».

Είναι ότι ένας υποψήφιος διδάκτορας, ένα μικρό ερευνητικό εργαστήριο ή ένα πανεπιστήμιο μπορούν πλέον να αξιοποιήσουν εργαλεία για τα οποία μέχρι πριν από λίγα χρόνια θα απαιτούνταν πολύ μεγαλύτερες ομάδες και υποδομές.

Αυτό μπορεί να μειώσει τις ανισότητες στην πρόσβαση στην επιστημονική υπολογιστική, αλλά μόνο αν η νέα υποδομή δεν εγκλωβιστεί αποκλειστικά σε κλειστές εμπορικές πλατφόρμες.

Ανοικτός κώδικας, ανοικτά δεδομένα, ανοικτά μοντέλα, δημόσιες ερευνητικές υποδομές και ευρωπαϊκή υπολογιστική ισχύς μπορούν να μετατρέψουν την ΤΝ από υπηρεσία που ενοικιάζεται από λίγες εταιρείες σε κοινή επιστημονική υποδομή.

Η ΤΝ δεν καταργεί την επιστημονική μέθοδο. Την καθιστά ακόμη πιο απαιτητική. Όσο ισχυρότερα γίνονται τα εργαλεία, τόσο μεγαλύτερη σημασία αποκτούν η διαφάνεια, η επαλήθευση, η αναπαραγωγιμότητα, η ανοικτή πρόσβαση και η ανθρώπινη ευθύνη.

Το μέλλον της έρευνας δεν είναι ο επιστήμονας απέναντι στην ΤΝ. Είναι ο επιστήμονας που γνωρίζει πότε να τη χρησιμοποιεί, πότε να αμφισβητεί τα αποτελέσματά της και πώς να επιτρέπει σε άλλους επιστήμονες να ελέγξουν όσα παρήγαγε.

Βασικές πηγές και ανοικτά εργαλεία ανά επιστημονικό πεδίο:

OpenAlex, Open Research Graph: Ανοικτή υποδομή επιστημονικών μεταδεδομένων με API και καταγραφή των πληροφοριών ανοικτής πρόσβασης και των αδειών των διαθέσιμων εκδόσεων των επιστημονικών εργασιών και αναπτύσσεται ενεργά. https://help.openalex.org/

Alexandria3k: Ανοικτή υποδομή για τοπική, μεγάλης κλίμακας και αναπαραγώγιμη ανάλυση επιστημονικών μεταδεδομένων από πηγές όπως Crossref, PubMed, ORCID, DataCite και ROR. Διατίθεται με άδεια GPL-3.0. https://github.com/dspinellis/alexandria3k

R, The R Project for Statistical Computing: Ελεύθερο περιβάλλον στατιστικού υπολογισμού και γραφικών με ιδιαίτερα μεγάλο οικοσύστημα πακέτων για στατιστική, οικονομετρία, βιοστατιστική, κοινωνικές επιστήμες, ψυχομετρία, βιοπληροφορική, γεωχωρική ανάλυση και μηχανική μάθηση. Το R διατίθεται ως ελεύθερο λογισμικό υπό GPL-2 ή GPL-3 και αναπτύσσεται ενεργά. Η έκδοση 4.6.1 κυκλοφόρησε τον Ιούνιο του 2026. https://www.r-project.org/

gretl, Gnu Regression, Econometrics and Time-series Library: Ελεύθερο και ανοικτό λογισμικό για οικονομετρική ανάλυση, παλινδρόμηση, χρονοσειρές, δεδομένα πάνελ, VAR/VECM και εμπειρική οικονομική έρευνα. Είναι ιδιαίτερα χρήσιμο στα οικονομικά, στη διοίκηση, στη δημόσια πολιτική και στις κοινωνικές επιστήμες. Διατίθεται με άδεια GNU GPL και αναπτύσσεται ενεργά. Η έκδοση 2026b κυκλοφόρησε τον Απρίλιο του 2026. https://gretl.sourceforge.net/

NumPy: Θεμελιώδης ανοικτή βιβλιοθήκη αριθμητικού υπολογισμού για την Python και βασικό δομικό στοιχείο του οικοσυστήματος επιστημονικού υπολογισμού. Παρέχει πολυδιάστατους πίνακες, γραμμική άλγεβρα, αριθμητικές πράξεις και υποδομή που χρησιμοποιείται από πλήθος βιβλιοθηκών στις φυσικές επιστήμες, στη μηχανική, στη στατιστική και στη μηχανική μάθηση. Διατίθεται με τροποποιημένη άδεια BSD και αναπτύσσεται ενεργά. https://numpy.org/

SciPy: Ανοικτή βιβλιοθήκη επιστημονικού υπολογισμού που επεκτείνει το NumPy με αλγορίθμους βελτιστοποίησης, ολοκλήρωσης, παρεμβολής, γραμμικής άλγεβρας, διαφορικών εξισώσεων, στατιστικής και επεξεργασίας σημάτων. Χρησιμοποιείται σε φυσική, χημεία, μηχανική, μαθηματικά και επιστήμες ζωής. Διατίθεται με άδεια BSD και αναπτύσσεται ενεργά. Η έκδοση 1.18.1 κυκλοφόρησε τον Αύγουστο του 2026. https://scipy.org/

pandas: Ανοικτή βιβλιοθήκη Python για διαχείριση, καθαρισμό, μετασχηματισμό και ανάλυση δομημένων δεδομένων και χρονοσειρών. Αποτελεί βασικό εργαλείο εμπειρικής έρευνας στα οικονομικά, στις κοινωνικές επιστήμες, στην υγεία, στο περιβάλλον και στην ανάλυση επιχειρηματικών δεδομένων. Διατίθεται με άδεια BSD και αναπτύσσεται ενεργά. https://pandas.pydata.org/

scikit-learn: Βιβλιοθήκη γενικής χρήσης για μηχανική μάθηση, ταξινόμηση, παλινδρόμηση, ομαδοποίηση, μείωση διαστάσεων, επιλογή μοντέλων και αξιολόγηση αποτελεσμάτων. Διατίθεται με άδεια BSD-3-Clause και αναπτύσσεται ενεργά. https://scikit-learn.org/stable/

statsmodels: Ανοικτή βιβλιοθήκη Python για στατιστικά και οικονομετρικά υποδείγματα, ελέγχους υποθέσεων, παλινδρομήσεις, ανάλυση χρονοσειρών και διαγνωστικούς ελέγχους. Είναι ιδιαίτερα χρήσιμη στα οικονομικά, στις κοινωνικές επιστήμες, στη δημόσια πολιτική και στη βιοστατιστική. Διατίθεται με τροποποιημένη άδεια BSD 3-Clause και αναπτύσσεται ενεργά. Η σταθερή έκδοση 0.15.0 κυκλοφόρησε τον Αύγουστο του 2026. https://www.statsmodels.org/stable/

Julia: Ανοικτή γλώσσα προγραμματισμού υψηλών επιδόσεων σχεδιασμένη για αριθμητικό και επιστημονικό υπολογισμό. Χρησιμοποιείται σε εφαρμοσμένα μαθηματικά, φυσική, μηχανική, βελτιστοποίηση, οικονομικά, επιστήμη δεδομένων και προσομοιώσεις μεγάλης κλίμακας. Αναπτύσσεται ενεργά και διαθέτει εκτεταμένο οικοσύστημα επιστημονικών πακέτων. https://julialang.org/

GNU Octave: Ελεύθερη γλώσσα επιστημονικού και αριθμητικού υπολογισμού με σύνταξη σε μεγάλο βαθμό συμβατή με το MATLAB. Χρησιμοποιείται σε εφαρμοσμένα μαθηματικά, μηχανική, έλεγχο συστημάτων, επεξεργασία σημάτων και εκπαίδευση. Διατίθεται με άδεια GNU GPL και αναπτύσσεται ενεργά. Η έκδοση 11.3.0 κυκλοφόρησε τον Ιούνιο του 2026. https://octave.org/

GNU PSPP: Ελεύθερο λογισμικό στατιστικής ανάλυσης δεδομένων και ανοικτή εναλλακτική σε ιδιόκτητες πλατφόρμες στατιστικής επεξεργασίας. Υποστηρίζει περιγραφική στατιστική, t-tests, ANOVA, γραμμική και λογιστική παλινδρόμηση, ανάλυση συσχέτισης, clustering, factor analysis και μη παραμετρικούς ελέγχους. Διατίθεται με άδεια GPLv3 ή μεταγενέστερη. Η τρέχουσα έκδοση είναι η 2.1.1. https://www.gnu.org/software/pspp/

jamovi: Ελεύθερο και ανοικτό περιβάλλον στατιστικής ανάλυσης με γραφική διεπαφή, βασισμένο στο R. Είναι ιδιαίτερα προσιτό σε ερευνητές της ψυχολογίας, των κοινωνικών επιστημών, της εκπαίδευσης και της υγείας που θέλουν να χρησιμοποιούν σύγχρονες στατιστικές μεθόδους χωρίς να απαιτείται προγραμματισμός. Ο βασικός κώδικας διατίθεται με ανοικτές άδειες, κυρίως AGPL-3.0, και το έργο αναπτύσσεται ενεργά. https://www.jamovi.org/

MatterGen: Παραγωγικό μοντέλο για τον σχεδιασμό νέων ανόργανων υλικών με επιθυμητές ιδιότητες. Ο κώδικας διατίθεται με άδεια MIT και το έργο αναπτύσσεται ενεργά. https://github.com/microsoft/mattergen

RDKit: Ανοικτή εργαλειοθήκη χημειοπληροφορικής και μηχανικής μάθησης για αναπαράσταση, ανάλυση και επεξεργασία μοριακών δομών. Διατίθεται με άδεια BSD-3-Clause και αναπτύσσεται ενεργά. https://www.rdkit.org/

DeepChem: Ανοικτή εργαλειοθήκη μηχανικής και βαθιάς μάθησης για χημεία, βιολογία, ανακάλυψη φαρμάκων, κβαντική χημεία και επιστήμη υλικών. Διατίθεται με άδεια MIT και αναπτύσσεται ενεργά. https://github.com/deepchem/deepchem

Lean 4: Γλώσσα προγραμματισμού και σύστημα τυπικής επαλήθευσης που χρησιμοποιείται για μηχανικά ελεγχόμενες μαθηματικές αποδείξεις. Διατίθεται με άδεια Apache-2.0 και αναπτύσσεται ενεργά. https://github.com/leanprover/lean4

Mathlib: Μεγάλης κλίμακας ανοικτή μαθηματική βιβλιοθήκη για το Lean 4, η οποία καλύπτει άλγεβρα, ανάλυση, γεωμετρία, θεωρία αριθμών, τοπολογία και πολλούς άλλους κλάδους των μαθηματικών. Διατίθεται με άδεια Apache-2.0 και αναπτύσσεται ενεργά. https://github.com/leanprover-community/mathlib4

AlphaChip / Circuit Training: Ανοικτό ερευνητικό πλαίσιο ενισχυτικής μάθησης για προβλήματα χωροθέτησης στοιχείων ολοκληρωμένων κυκλωμάτων. Πρόκειται πρωτίστως για ερευνητικό πλαίσιο και όχι για γενικής χρήσης ώριμο προϊόν λογισμικού. https://github.com/google-research/circuit_training

LeRobot: Ανοικτό οικοσύστημα για πραγματική ρομποτική, συλλογή δεδομένων, εκπαίδευση και αξιολόγηση πολιτικών μηχανικής μάθησης και έλεγχο ρομποτικών συστημάτων. Διατίθεται με άδεια Apache-2.0 και αναπτύσσεται ενεργά. https://github.com/huggingface/lerobot

FEniCSx / DOLFINx: Ανοικτή υποδομή επιστημονικού υπολογισμού για την αριθμητική επίλυση προβλημάτων πεπερασμένων στοιχείων και μερικών διαφορικών εξισώσεων. Το DOLFINx διατίθεται με LGPL-3.0-or-later και αναπτύσσεται ενεργά. https://github.com/FEniCS/dolfinx

MONAI: Ανοικτό οικοσύστημα για βαθιά μάθηση στην ιατρική απεικόνιση και άλλες εφαρμογές βιοϊατρικής ΤΝ. Διατίθεται με άδεια Apache-2.0 και αναπτύσσεται ενεργά. https://github.com/Project-MONAI/MONAI

Scanpy: Ανοικτή βιβλιοθήκη για ανάλυση δεδομένων γονιδιακής έκφρασης μεμονωμένων κυττάρων, με εργαλεία προεπεξεργασίας, ομαδοποίησης, οπτικοποίησης και διαφορικής έκφρασης. Διατίθεται με BSD-3-Clause και αναπτύσσεται ενεργά. https://github.com/scverse/scanpy

scvi-tools: Ανοικτό οικοσύστημα πιθανοτικών μοντέλων και βαθιάς μάθησης για μονοκυτταρικά, πολυτροπικά και άλλα σύνθετα βιολογικά δεδομένα. Διατίθεται με BSD-3-Clause και αναπτύσσεται ενεργά. https://github.com/scverse/scvi-tools

Orfeo ToolBox: Ανοικτή εργαλειοθήκη για τηλεπισκόπηση, επεξεργασία μεγάλων δορυφορικών εικόνων, ταξινόμηση και γεωχωρική ανάλυση. Από την έκδοση 6 και μετά χρησιμοποιεί την άδεια Apache-2.0 και αναπτύσσεται ενεργά. https://www.orfeo-toolbox.org/

PyPSA, Python for Power System Analysis: Ανοικτό πλαίσιο μοντελοποίησης και βελτιστοποίησης ηλεκτρικών και ενεργειακών συστημάτων. Ο κώδικας διατίθεται με άδεια MIT και η τεκμηρίωση με CC BY 4.0. Αναπτύσσεται ενεργά. https://pypsa.org/

BERTopic: Ανοικτό πλαίσιο θεματικής μοντελοποίησης που συνδυάζει διανυσματικές αναπαραστάσεις κειμένου και μοντέλα μετασχηματιστών και είναι χρήσιμο για μεγάλης κλίμακας ανάλυση κειμένων στις κοινωνικές και ανθρωπιστικές επιστήμες. Διατίθεται με άδεια MIT και αναπτύσσεται ενεργά. https://github.com/MaartenGr/BERTopic

quanteda: Ανοικτή βιβλιοθήκη της R για διαχείριση σωμάτων κειμένων, ποσοτική κειμενική ανάλυση και επεξεργασία γλωσσικών δεδομένων στις κοινωνικές και ανθρωπιστικές επιστήμες. Διατίθεται με άδεια GPL-3.0 και αναπτύσσεται ενεργά. https://quanteda.io/

Kraken: Ανοικτό σύστημα οπτικής και χειρόγραφης αναγνώρισης κειμένου, προσανατολισμένο ιδιαίτερα σε ιστορικό υλικό, χειρόγραφα και μη λατινικές γραφές. Διατίθεται με άδεια Apache-2.0 και αναπτύσσεται ενεργά. https://github.com/mittagessen/kraken

DoWhy: Ανοικτή βιβλιοθήκη αιτιώδους συναγωγής για κοινωνικές επιστήμες, οικονομικά, δημόσιες πολιτικές και διοίκηση, με εργαλεία διατύπωσης αιτιωδών μοντέλων, εκτίμησης επιδράσεων και ελέγχου υποθέσεων. Διατίθεται με άδεια MIT και αναπτύσσεται ενεργά. https://github.com/py-why/dowhy

EconML: Ανοικτή βιβλιοθήκη που συνδυάζει μηχανική μάθηση και οικονομετρικές μεθόδους για την εκτίμηση ετερογενών αιτιωδών επιδράσεων. Αποτελεί ενεργό έργο ανοικτού λογισμικού. https://github.com/py-why/EconML

OECD, Artificial Intelligence in Science: Challenges, Opportunities and the Future of Research: Συστηματική επισκόπηση της χρήσης της ΤΝ σε διαφορετικά επιστημονικά πεδία και στάδια της έρευνας, καθώς και των συνεπειών της για την παραγωγικότητα, τις δεξιότητες, τις ερευνητικές πρακτικές και τη διακυβέρνηση της επιστήμης. https://www.oecd.org/en/publications/artificial-intelligence-in-science_a8d820bd-en.html

European Commission, ERA Living Guidelines on the responsible use of generative AI in research: Ευρωπαϊκές κατευθυντήριες γραμμές για την υπεύθυνη χρήση παραγωγικής ΤΝ στην έρευνα, με έμφαση στη λογοδοσία, τη διαφάνεια, την εμπιστευτικότητα, την ανθρώπινη ευθύνη και την ερευνητική ακεραιότητα. https://research-and-innovation.ec.europa.eu/news/all-research-and-innovation-news/updated-era-living-guidelines-responsible-use-generative-ai-research-2026-05-08_en

UNESCO, Guidance for Generative AI in Education and Research: Διεθνές πλαίσιο για ανθρωποκεντρική, ασφαλή, δεοντολογικά υπεύθυνη και τεκμηριωμένη χρήση παραγωγικής ΤΝ στην εκπαίδευση και την έρευνα. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research

Το Wikimedia User Group Greece στηρίζει το 10ο Voxxed Days Thessaloniki
by: Wikimedia Greece

Φέτος το Voxxed Days Thessaloniki κλείνει 10 χρόνια παρουσίας στην πόλη, και το Wikimedia User Group Greece υποστηρίζει με χαρά τη φετινή επετειακή διοργάνωση. Το καθιερωμένο ραντεβού των developers δίνεται για τις 20 και 21 Νοεμβρίου 2026 στο Συνεδριακό Κέντρο «Ιωάννης Βελλίδης».

Τι περιλαμβάνει το φετινό πρόγραμμα: Ομιλίες και mini-workshops θα τρέχουν παράλληλα σε τρεις αίθουσες. Ιδιαίτερο ενδιαφέρον για εμάς έχει, φυσικά, το Community Corner, ο χώρος όπου συναντιούνται παραδοσιακά οι τεχνολογικές κοινότητες της πόλης και κάνουν networking.

Επιπλέον, η φετινή διοργάνωση εισάγει δύο νέες δράσεις:

Το University Showcase, όπου φοιτητές θα παρουσιάσουν τα projects τους στο κοινό και σε εταιρείες.
Το Startup Alley, έναν χώρο δικτύωσης ειδικά για νεοφυείς επιχειρήσεις. Παράλληλα, θα λειτουργεί ξανά το Mentorship Hub για καθοδήγηση καριέρας.

Θα χαρούμε να τα πούμε από κοντά!

Περισσότερες πληροφορίες για το πρόγραμμα θα βρείτε στο: thessaloniki.voxxeddays.com

Η μακριά ουρά δεν έχει εκπρόσωπο
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για την Ανοιχτή Διακυβέρνηση

Όταν η OpenAI δημοσίευσε το 2020 τα στοιχεία εκπαίδευσης του GPT-3, η Wikipedia αντιστοιχούσε σε περίπου 3 δισεκατομμύρια από τα 499 δισεκατομμύρια tokens του συνόλου, δηλαδή σε κάτι λιγότερο από 0,6%. Στην εκπαίδευση όμως της δόθηκε βάρος 3%, δηλαδή πενταπλάσιο από το μέγεθός της, επειδή οι μηχανικοί τη θεωρούσαν πηγή υψηλότερης ποιότητας. Η αξία της συνεισφοράς εκατομμυρίων εθελοντών μετρήθηκε με ακρίβεια χωρίς να αποδοθεί καμία χρηματική αξία στους δημιουργούς.

Τη λεπτομέρεια αυτή θυμίζουν η Jess Scully, εκτελεστική διευθύντρια του RadicalxChange, και ο Raul Castro Fernandez, επίκουρος καθηγητής Πληροφορικής στο Πανεπιστήμιο του Σικάγου, σε ένα κείμενο για την αυστραλιανή συζήτηση γύρω από την τεχνητή νοημοσύνη και την πνευματική ιδιοκτησία το οποίο αξίζει να διαβαστεί και στην Ελλάδα, καθώς σχετίζεται με τη συζήτηση που ανοίξαμε την προηγούμενη εβδομάδα για την ανοιχτή επιστήμη. Εκεί το ερώτημα ήταν ποιος ωφελείται όταν οι ερευνητές ανοίγουν τα δεδομένα τους. Εδώ αφορά όλους μας.

Τι είναι η μακριά ουρά

Οι συγγραφείς ονομάζουν «μακριά ουρά» τον τεράστιο όγκο καθημερινού, συλλογικού περιεχομένου που γράφεται στο διαδίκτυο χωρίς επαγγελματική πρόθεση: τις διορθώσεις και τα σχόλια κάτω από μια συνταγή, τις συζητήσεις στα φόρουμ, τη συγγραφή λημμάτων στη Wikipedia, την παραδοσιακή γνώση των κοινοτήτων. Στην ελληνική εκδοχή της μακριάς ουράς θα βάζαμε τις απαντήσεις σε τεχνικά φόρουμ, τα ιστολόγια που κρατούν ζωντανές τοπικές διαλέκτους, τα σχόλια στον κώδικα των έργων ανοιχτού λογισμικού, τους υπότιτλους ταινιών, τα λήμματα που γράφουν εθελοντές στην ελληνόφωνη Wikipedia.

Πρόκειται, όπως υποστηρίζουν, για περιεχόμενο που «κανείς δεν διεκδικεί» ως προστατευόμενο. Η διατύπωση είναι προσεκτική και αξίζει να σταθούμε σε αυτήν, γιατί νομικά τα κείμενα αυτά δεν είναι ελεύθερα. Ένα σχόλιο ή ένα διήγημα προστατεύεται αυτόματα από τη στιγμή που γράφεται, χωρίς καμία διατύπωση, και η Wikipedia κυκλοφορεί με άδεια που απαιτεί αναφορά του δημιουργού και διανομή με τους ίδιους όρους. Η μακριά ουρά λοιπόν έχει δικαιούχους. Εκείνο που της λείπει είναι εκπρόσωπος καθώς κανένας εκδότης ή οργανισμός συλλογικής διαχείρισης δεν μιλά για λογαριασμό της.

Η αυστραλιανή συνταγή

Η διαφορά αυτή φάνηκε καθαρά τον Σεπτέμβριο στην Αυστραλία. Σύμφωνα με διαφάνειες διαβούλευσης του γραφείου της Γενικής Εισαγγελέως που αποκάλυψε το ABC, εξετάστηκε ένα σχήμα όπου οι εταιρείες τεχνητής νοημοσύνης θα έκλειναν συμφωνίες αδειοδότησης με έναν ελάχιστο αριθμό δικαιούχων και, μόλις συμπλήρωναν την ποσόστωση, θα μπορούσαν να εκπαιδεύουν τα μοντέλα τους στο υπόλοιπο διαθέσιμο υλικό χωρίς άλλη πληρωμή. Όποιος δεν ήθελε θα μπορούσε να εξαιρεθεί. Μια δεύτερη εκδοχή προέβλεπε πληρωμές σε κεντρικό φορέα ή σε οργανισμούς συλλογικής διαχείρισης. Η κυβέρνηση απαντά ότι ακόμη διαβουλεύεται και ότι δεν σκοπεύει να αποδυναμώσει την προστασία των δημιουργών, αφού έχει ήδη απορρίψει μια γενική εξαίρεση για την εξόρυξη κειμένων και δεδομένων. Η πίεση της βιομηχανίας πάντως είναι ορατή. Σύμφωνα με έγγραφα ενημέρωσης του αυστραλιανού Υπουργείου Οικονομικών που απέκτησε το ABC, η Anthropic έχει δηλώσει ότι επενδύσεις δεκάδων δισεκατομμυρίων σε κέντρα δεδομένων στη χώρα θα εξαρτηθούν από τη «σαφήνεια των ρυθμίσεων για την πνευματική ιδιοκτησία».

Δεν χρειάζεται να υποθέσουμε την εκ προϊμίου ύπαρξη κακής πρόθεσης για να δούμε πού οδηγεί ένα τέτοιο σχήμα. Στο τραπέζι κάθονται όσοι είναι ήδη οργανωμένοι. Για τους υπόλοιπους η μόνη επιλογή είναι να εξαιρεθούν ένας ένας, κάτι που προϋποθέτει να γνωρίζουν ότι το δικαίωμα υπάρχει, να έχουν τα τεχνικά μέσα και να διαθέτουν το χρόνο.

Εμείς έχουμε ήδη επιλέξει

Η Ευρώπη έχει απαντήσει στο ίδιο ερώτημα εδώ και χρόνια, με τρόπο που λίγοι γνωρίζουν. Η Οδηγία 2019/790 για την πνευματική ιδιοκτησία στην ψηφιακή ενιαία αγορά προβλέπει δύο εξαιρέσεις. Η πρώτη επιτρέπει στους ερευνητικούς οργανισμούς και στα ιδρύματα πολιτιστικής κληρονομιάς την εξόρυξη κειμένων και δεδομένων για επιστημονική έρευνα. Η δεύτερη, στο άρθρο 4, την επιτρέπει γενικά, και για εμπορικούς σκοπούς, σε υλικό στο οποίο η πρόσβαση είναι νόμιμη, εκτός αν ο δικαιούχος έχει επιφυλαχθεί ρητά. Για περιεχόμενο που είναι δημόσια διαθέσιμο στο διαδίκτυο, η επιφύλαξη πρέπει να γίνεται με μηχαναγνώσιμα μέσα. Η Ελλάδα ενσωμάτωσε τις διατάξεις με τον ν. 4996/2022, που πρόσθεσε τα άρθρα 21Α και 21Β στον ν. 2121/1993 για την πνευματική ιδιοκτησία.

Ο Κανονισμός για την Τεχνητή Νοημοσύνη, πρόσθεσε δύο υποχρεώσεις για τους παρόχους μοντέλων γενικής χρήσης, που ισχύουν από τον Αύγουστο του 2025. Πρέπει να εφαρμόζουν πολιτική συμμόρφωσης με το δίκαιο της πνευματικής ιδιοκτησίας, σεβόμενοι τις επιφυλάξεις, και να δημοσιεύουν επαρκώς λεπτομερή περίληψη του περιεχομένου με το οποίο εκπαιδεύτηκαν τα μοντέλα τους, σύμφωνα με υπόδειγμα που εξέδωσε η Επιτροπή. Η εποπτεία αυτών των υποχρεώσεων ανήκει αποκλειστικά στην Επιτροπή, μέσω της Υπηρεσίας για την Τεχνητή Νοημοσύνη. Η Ελλάδα θέσπισε τα εθνικά μέτρα εφαρμογής του Κανονισμού μόλις τον Ιούλιο με τον ν. 5321/2026, ο οποίος ορίζει τις αρμόδιες αρχές για τα υπόλοιπα συστήματα τεχνητής νοημοσύνης, με κεντρικό ρόλο για την Αρχή Προστασίας Δεδομένων Προσωπικού Χαρακτήρα.

Στην πράξη λοιπόν, η Ευρώπη εφαρμόζει ήδη μια παραλλαγή του σχήματος που ανησυχεί τους Αυστραλούς. Όποιος διαθέτει νομικό τμήμα και διαχειριστή ιστοτόπου μπορεί να προσθέσει μια γραμμή στο αρχείο robots.txt και να διαπραγματευτεί. Ο εθελοντής της Wikipedia, ο συντηρητής ενός μικρού φόρουμ ή η συντάκτρια ενός ιστολογίου για τη ντοπιολαλιά του νησιού της ούτε καν το γνωρίζουν ούτε και έχουν λόγο να ασχοληθούν ενώ το περιεχόμενό τους παραμένει διαθέσιμο. Πολλοί από αυτούς, άλλωστε, γράφουν για να διαβαστούν ελεύθερα και δεν θα ήθελαν να περιορίσουν την πρόσβαση. Για τη μακριά ουρά, λοιπόν, το κλείσιμο δεν είναι η λύση. Λείπει όμως κάποιος που να μπορεί να μιλήσει για το θέμα.

Ζήτημα και ποιότητας

Θα μπορούσε κανείς να πει ότι πρόκειται μόνο για ένα ζήτημα δικαιοσύνης χωρίς πρακτικές συνέπειες. Ωστόσο, οι συγγραφείς θυμίζουν μια μελέτη του Nature του 2024 που δείχνει το αντίθετο. Όταν τα μοντέλα εκπαιδεύονται σε κείμενο που παρήγαγαν άλλα μοντέλα, τα δεδομένα προέλευσης μακριάς ουράς της αρχικής κατανομής εξαφανίζονται και κάπως έτσι τα σπάνια, τα ιδιόμορφα και τα τοπικά περιεχόμενα χάνονται πρώτα. Μια άλλη πρόσφατη εργασία περιγράφει έναν «φόρο ευθυγράμμισης» όταν ένα μοντέλο προσαρμόζεται σε κάποια γλώσσα με λίγους πόρους, αφού η βελτίωση εκεί πληρώνεται με απώλειες σε άλλες ικανότητες. Για μια γλώσσα σαν την ελληνική, που σε μεγάλο βαθμό ζει στη μακριά ουρά του διαδικτύου, η ανησυχία είναι βάσιμη. Όσο σπανίζει το ζωντανό ανθρώπινο κείμενο, τόσο πολυτιμότερο γίνεται, και τόσο πιο παράλογο είναι να μην έχει λόγο κανείς από όσους το δημιουργούν.

Μια ρεαλιστική διέξοδος

Οι Scully και Castro Fernandez προτείνουν ένα ταμείο κοινών δεδομένων, του οποίου τη διάθεση θα αποφασίζουν συμμετοχικά εκπρόσωποι της μακριάς ουράς. Η ιδέα είναι ελκυστική, οι ίδιοι όμως παραδέχονται ότι ακόμη τη σχεδιάζουν, και τα δύσκολα ερωτήματα μένουν ανοιχτά: ποιος εκπροσωπεί ένα απροσδιόριστο πλήθος, πώς αποφεύγεται να το καταλάβουν οι πιο οργανωμένοι, ποιος βάζει τα χρήματα. Όσοι έχουμε ασχοληθεί με τις ψηφιακές διαβουλεύσεις γνωρίζουμε καλά ότι η δημόσια συμμετοχή δεν προκύπτει αυτόματα επειδή στήθηκε μια πλατφόρμα.

Υπάρχει ωστόσο ένας δρόμος πιο ρεαλιστικός, που δεν χρειάζεται νέους νόμους ούτε νέους οργανισμούς. Ξεκινά από τα εργαλεία που ήδη έχουμε. Οι περιλήψεις δεδομένων εκπαίδευσης που επιβάλλει ο Κανονισμός μπορούν να γίνουν εργαλείο ορατότητας. Με αυτές, πανεπιστήμια, βιβλιοθήκες και οργανώσεις της κοινωνίας των πολιτών μπορούν να καταγράφουν συστηματικά πόσο ελληνόγλωσσο περιεχόμενο, και από ποιες πηγές, χρησιμοποιείται στα μοντέλα, ώστε η συζήτηση να γίνεται με στοιχεία.

Ο δεύτερος κρίκος είναι η εκπροσώπηση. Η μακριά ουρά δεν έχει μεγαλοεκδότη, έχει όμως θεσμούς που τη φροντίζουν ήδη: τις κοινότητες της Wikimedia, τις δημόσιες βιβλιοθήκες, τα πανεπιστήμια, τις οργανώσεις ανοιχτού λογισμικού. Αν στη συζήτηση για την αδειοδότηση, που αργά ή γρήγορα θα έρθει και στην Ελλάδα, παρίστανται μόνο οι εκδότες και οι οργανισμοί συλλογικής διαχείρισης, η αυστραλιανή ασυμμετρία θα επαναληφθεί κι εδώ. Αν όμως έχουν θέση και οι θεσμοί των κοινών, ως θεματοφύλακες και όχι ως ιδιοκτήτες, η εικόνα αλλάζει. Στην ΕΕΛΛΑΚ το δοκιμάζουμε ήδη στην πράξη με το GlossAPI, το αποθετήριο τεκμηριωμένων, ανοιχτών ελληνικών γλωσσικών δεδομένων. Όπου μπορούμε, διαθέτουμε τα δεδομένα με ανοιχτές άδειες και ζητάμε από όσους τα επαναχρησιμοποιούν να μας πουν ποιοι είναι και πώς θα τα αξιοποιήσουν. Ξέρουμε βέβαια ότι το ζήτημα δεν λύνεται τόσο απλά, αφού ένα τέτοιο αίτημα δεν δεσμεύει όσους συλλέγουν τα δεδομένα μαζικά. Είναι όμως ένας πρώτος τρόπος να υπάρχει θεματοφύλακας που μπορεί να μετρήσει, να ρωτήσει και, όταν έρθει η ώρα, να διαπραγματευτεί.

Ο τρίτος κρίκος είναι τα χρήματα. Όπου κλείνονται συλλογικές συμφωνίες, ένα σταθερό ποσοστό θα μπορούσε να κατευθύνεται στις υποδομές που κρατούν τα κοινά ζωντανά, στα αποθετήρια, στα γλωσσικά δεδομένα, στη συντήρηση του ανοιχτού λογισμικού. Δεν θα ήταν αποζημίωση για κάθε σχόλιo, που ούτε εφικτή είναι ούτε την επιθυμούν οι περισσότεροι από όσους γράφουν ελεύθερα. Θα ήταν όμως μια επένδυση στο έδαφος από το οποίο τρέφονται όλα τα μοντέλα.

Οι συγγραφείς κλείνουν γράφοντας ότι η Αυστραλία έχει την ευκαιρία να γίνει η πρώτη χώρα που θα ονομάσει και θα χρηματοδοτήσει το κομμάτι του διαδικτύου που χτίσαμε όλοι μαζί. Η Ευρώπη, και η Ελλάδα μαζί της, έχει ήδη τα περισσότερα εργαλεία για κάτι αντίστοιχο. Της λείπει η απόφαση για να δει και να αντιμετωπίσει τη μακριά ουρά ως κοινό αγαθό που χρειάζεται φροντίδα.

Openchip BER10: ο «κυρίαρχος» ευρωπαϊκός επεξεργαστής RISC-V
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για τις Ανοιχτές Τεχνολογίες Υλικού

Η Openchip από τη Βαρκελώνη παρουσίασε στις 30 Ιουλίου 2026 το BER10, έναν 64-bit επεξεργαστή RISC-V σχεδιασμένο στην Ευρώπη πάνω σε ανοιχτά πρότυπα. Είναι η πιο απτή απάντηση μέχρι σήμερα στο ερώτημα αν η Ευρώπη μπορεί να σχεδιάσει δικούς της επεξεργαστές υψηλών επιδόσεων.

Για χρόνια, η συζήτηση για την ψηφιακή κυριαρχία εστιάζει στο λογισμικό και στα εργοστάσια. Το BER10 φέρνει στο προσκήνιο ένα τρίτο επίπεδο: τον σχεδιασμό του ίδιου του chip και την αρχιτεκτονική που το ορίζει.

Τι είναι το BER10

Το BER10 είναι επεξεργαστής εφαρμογών RISC-V που τρέχει Linux και απευθύνεται σε πραγματικά συστήματα παραγωγής, όχι σε εργαστήρια. Σύμφωνα με την εταιρεία, έχει επίπεδο τεχνολογικής ωριμότητας TRL 9, δηλαδή είναι έτοιμο για χρήση από την πρώτη μέρα.

Τα βασικά του στοιχεία, όπως τα περιγράφει η συνέντευξη της RISC-V International:

Αρχιτεκτονική 64-bit, ικανή να τρέξει πλήρες Linux
Μονάδα vector για υπολογισμούς HPC και AI
Coherent fabric, υποσύστημα μνήμης και διασύνδεσης
Δικό του management tile

Η ομάδα έφτασε στο tapeout σε λιγότερο από δύο χρόνια από την αρχή της εταιρείας, και το chip λειτούργησε χωρίς καμία επανακατασκευή (respin). Περίπου τρεις εβδομάδες μετά την παραλαβή του πυριτίου από το χυτήριο, η ομάδα έκανε boot το λειτουργικό σύστημα. Το πρώτο πρόγραμμα που έτρεξαν, όπως συνηθίζεται, ήταν το DOOM.

Η ταχύτητα αποδίδεται σε μια συνειδητή επιλογή. Η Openchip χτίστηκε πάνω σε IP που είχε ήδη δοκιμαστεί διεθνώς, και πρόσθεσε δικές της καινοτομίες αντί να ξεκινήσει από το μηδέν. Χρησιμοποίησε επίσης εργαλεία επαλήθευσης και εξομοίωσης όπως το ZeBu. Ειδικά τεχνικά στοιχεία, όπως συχνότητες ή κόμβος κατασκευής, δεν έχουν δημοσιευτεί στις πηγές που εξετάσαμε.

Η εταιρεία πίσω από το chip

Η Openchip ιδρύθηκε στη Βαρκελώνη ως κοινή επιχείρηση του καταλανικού ομίλου GTD και του Barcelona Supercomputing Center (BSC), ως απάντηση στην Ευρωπαϊκή Πράξη για τα Chips. Αρχές του 2024 άρχισε να στήνει ομάδα, εργαλεία και IP από το μηδέν.

Σήμερα απασχολεί πάνω από 350 άτομα σε Ισπανία, Ιταλία, Πολωνία, Βέλγιο, Γαλλία, Γερμανία και Ιρλανδία, όπου άνοιξε κέντρο σχεδιασμού στο Limerick τον Δεκέμβριο του 2025. Επικεφαλής είναι ο CEO Francesc «Cesc» Guim, με σχεδόν δύο δεκαετίες εμπειρίας σε αρχιτεκτονική CPU στην Intel, και ο GM/CFO Marc Fernández.

Το BER10 χρηματοδοτήθηκε κυρίως με δημόσιο χρήμα: 111 εκατ. € από το NextGenerationEU μέσω του IPCEI μικροηλεκτρονικής. Μετά το tapeout η ισπανική SETT επένδυσε 115,8 εκατ. € και η Generalitat de Catalunya έγινε μέτοχος. Η Openchip συμμετέχει επίσης στο DARE, το μεγαλύτερο έργο chip της ΕΕ, με 240 εκατ. € στην πρώτη φάση.

Γιατί RISC-V

Το RISC-V είναι ανοιχτό σύνολο εντολών (ISA) χωρίς δικαιώματα. Οποιοσδήποτε μπορεί να σχεδιάσει και να πουλήσει επεξεργαστές πάνω του, χωρίς άδεια από μια εταιρεία εκτός Ευρώπης, όπως συμβαίνει με το x86 ή το Arm.

Για την Openchip η επιλογή ήταν στρατηγική, και η ονομασία της εταιρείας προέρχεται ακριβώς από αυτή. Η διοίκηση υποστηρίζει ότι ένα ανοιχτό ISA επιτρέπει διαφορετικά chips, σε διαφορετικές τιμές, να «μιλούν την ίδια γλώσσα». Έτσι οι πελάτες δεν δεσμεύονται σε έναν προμηθευτή. Η εταιρεία συζητά με ευρωπαϊκούς παρόχους cloud για συστήματα που θα είναι κυρίαρχα σε κάθε επίπεδο, κάτι που θεωρεί εφικτό μόνο με ανοιχτό ISA.

Το λογισμικό είναι η άλλη μισή της εξίσωσης. Στις 25 Ιουνίου 2026 η Openchip υπέγραψε μνημόνιο συνεννόησης με τη SUSE, για πιστοποίηση των SUSE Linux Enterprise Server, Rancher Prime και openSUSE Tumbleweed στο υλικό της. Η συνεργασία στοχεύει στο προφίλ RVA23 και στις εντολές vector RVV, που χρειάζονται για HPC και AI.

Η διοίκηση δεν υπερβάλλει όμως με την έννοια της κυριαρχίας. Ο Guim παραδέχεται ότι οι ημιαγωγοί είναι εξ ορισμού διεθνής βιομηχανία. Κατά την άποψή του, κυριαρχία σημαίνει να ξέρεις τι δεν μπορείς να χάσεις από τον έλεγχό σου, και να επιλέγεις συνειδητά τι θα πάρεις από αξιόπιστους διεθνείς εταίρους.

Τα επόμενα βήματα και οι κίνδυνοι

Το επόμενο βήμα είναι ένα προϊόν για data centers, χτισμένο πάνω στα βασικά δομικά στοιχεία του BER10. Η SUSE θα αναλάβει το λογισμικό και ολοκληρωτές όπως η Bull την ένταξη σε συστήματα. Το BSC σχεδιάζει ήδη να το χρησιμοποιήσει για έρευνα.

Οι στόχοι είναι πρώτα απ' όλα πελάτες που ενδιαφέρονται ειδικά για κυριαρχία: δημόσιες διοικήσεις, κρίσιμες υποδομές, κυρίαρχο cloud, ιδιωτική υγεία. Από τη συνέντευξη φαίνονται τρεις προκλήσεις:

Από τις επιδοτήσεις στην αγορά. Η εταιρεία λέει ότι θέλει να γίνει εταιρεία προϊόντων που στηρίζεται στην αγορά και λιγότερο στις επιδοτήσεις. Η μετάβαση αυτή θα είναι σταδιακή.
Οι πελάτες αγοράζουν συστήματα, όχι chips. Χρειάζονται πιστοποιημένα, ολοκληρωμένα συστήματα με ώριμο λογισμικό και υποστήριξη.
Εξήγηση σε μη-ειδικούς. Ο Fernández σημειώνει ότι συχνά μιλά με τμήματα προμηθειών και νομικά τμήματα που δεν ξέρουν τι είναι το RISC-V.

Υπάρχει και ο ανταγωνισμός. Στο RISC-V Summit Europe 2026 στη Μπολόνια, η ομάδα του κινέζικου XiangShan παρουσίασε έναν open source επεξεργαστή RISC-V που πλησιάζει τις επιδόσεις του Arm. Η Ευρώπη δεν είναι η μόνη που ποντάρει στο RISC-V.

Πηγή άρθρου : https://riscv.org

Από ένα μητρώο σε ένα οικοσύστημα μητρώων: πώς πρέπει να οργανωθεί η ευρωπαϊκή υποδομή πνευματικών δικαιωμάτων
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για τα Ανοιχτά Πρότυπα

Το Open Future δημοσίευσε την 1η Οκτωβρίου 2026 ένα νέο έγγραφο στρατηγικής για το μέλλον της ευρωπαϊκής υποδομής πνευματικών δικαιωμάτων. Το κείμενο υπογράφουν οι Paul Keller και Sebastian Posth και αναπτύχθηκε στο πλαίσιο του πιλοτικού έργου CommonsDB. Συμπυκνώνει την εμπειρία 18 μηνών από τη δημιουργία και λειτουργία ενός πραγματικού δημόσιου μητρώου για το Κοινό Κτήμα, και προτείνει πώς πρέπει να οργανωθεί ένα σύστημα μητρώων δικαιωμάτων και ποιος πρέπει να είναι ο ρόλος των δημόσιων θεσμών.

Ένα σύστημα χωρίς καταγραφή σε έναν αυτοματοποιημένο κόσμο

Το ευρωπαϊκό δίκαιο πνευματικής ιδιοκτησίας λειτούργησε σχεδόν πάντα χωρίς τυπική καταγραφή. Η προστασία γεννιέται αυτόματα, και δεν υπάρχει δημόσιο αρχείο για το τι προστατεύεται, από ποιον ή με ποιους όρους. Αυτό ήταν λογικό όσο τα δικαιώματα αφορούσαν έναν κόσμο επαγγελματιών μεσαζόντων με αργούς ρυθμούς. Σήμερα όμως αυτοματοποιημένα συστήματα παίρνουν αποφάσεις σχετικές με δισεκατομμύρια έργα: φιλτράρουν αναρτήσεις, συγκεντρώνουν δεδομένα εκπαίδευσης για την τεχνητή νοημοσύνη και επιλύουν ζητήματα άδειας επαναχρησιμοποίησης. Για να λειτουργήσουν σωστά, χρειάζονται αξιόπιστες πληροφορίες δικαιωμάτων σε μορφή αναγνώσιμη από μηχανές, και δημόσια υποδομή που να τις παρέχει σε μεγάλη κλίμακα απλώς δεν υπάρχει.

Η πίεση προέρχεται κυρίως από τη γενετική ΤΝ. Το ευρωπαϊκό δίκαιο δίνει στους δημιουργούς το δικαίωμα να εξαιρέσουν τα έργα τους από την εκπαίδευση μοντέλων ΤΝ, όμως δεν υπάρχει ακόμη αξιόπιστος τρόπος να διατυπωθεί αυτή η εξαίρεση ώστε να φτάσει στις εταιρείες που οφείλουν να τη σέβονται, ούτε τρόπος για τις εταιρείες να τις εντοπίσουν.

Το Open Future είχε ήδη αναλύσει το πρόβλημα και προτείνει λύση βασισμένη σε μητρώα στο policy brief του 2024 Considerations for implementing rightholder opt-outs by AI model developers. Τα οφέλη όμως δεν περιορίζονται στην ΤΝ: τα μητρώα είναι χρήσιμα όπου χρειάζεται αξιόπιστη ταυτοποίηση έργων, για παράδειγμα όταν ανήκουν στο κοινό κτήμα, φέρουν ανοιχτή άδεια ή χαρακτηρίζονται ορφανά ή εκτός εμπορίου. Έτσι, τα μητρώα πέρασαν από το περιθώριο στο επίκεντρο της πολιτικής για τα πνευματικά δικαιώματα.

Το ανοιχτό ερώτημα: ποιος κυβερνά το οικοσύστημα;

Μέσα στο 2026, δύο μελέτες για λογαριασμό θεσμών της ΕΕ έβαλαν τα μητρώα στην ευρωπαϊκή ατζέντα. Η μελέτη για το EUIPO χαρτογράφησε τις υπάρχουσες βάσεις δεδομένων πνευματικών δικαιωμάτων και πρότεινε ένα ομοσπονδιακό επίπεδο που τις συνδέει, αντί να τις αντικαταστήσει με μια κεντρική βάση. Μια μελέτη σκοπιμότητας για την Ευρωπαϊκή Επιτροπή κατέληξε ότι ένα πανευρωπαϊκό μητρώο εξαιρέσεων από την εκπαίδευση ΤΝ είναι εφικτό και πρότεινε αρχιτεκτονική για αυτό.

Καμία από τις δύο όμως δεν απάντησε πώς πρέπει να διακυβερνάται αυτή η υποδομή, πώς να οργανωθεί ένα οικοσύστημα μητρώων και τι ρόλο να έχουν οι δημόσιοι θεσμοί.

Τι μας δείχνει το CommonsDB

Εδώ ακριβώς το νέο κείμενο φέρνει πρακτική εμπειρία. Το CommonsDB είναι ένα λειτουργικό δημόσιο μητρώο πληροφοριών δικαιωμάτων για έργα του κοινού κτήματος και έργα με ανοιχτές άδειες. Με πάνω από 6,6 εκατομμύρια επαληθευμένες δηλώσεις, αποτελεί τη μεγαλύτερη γνωστή δημόσια εφαρμογή μητρώου βασισμένου στο ISCC, ένα ανοιχτό αναγνωριστικό προτύπου ISO που παράγεται από το ίδιο το περιεχόμενο του έργου.

Από την εμπειρία αυτή προκύπτουν πέντε συμπεράσματα. Πρώτον, τα μητρώα ειδικού σκοπού λειτουργούν, τεχνικά και επιχειρησιακά, σε μεγάλη κλίμακα. Δεύτερον, τα μητρώα πρέπει να βρίσκονται κοντά σε όσους δημιουργούν τις εγγραφές: οι οργανισμοί και οι κοινότητες που γνωρίζουν τα έργα μπορούν να επαληθεύουν ισχυρισμούς, να διορθώνουν λάθη και να λογοδοτούν για τα δεδομένα τους. Τρίτον, αυτό σημαίνει ότι θα υπάρχουν πολλά μητρώα, αφού διαφορετικοί τομείς και σκοποί έχουν διαφορετικές ανάγκες που καμία κεντρική βάση δεν μπορεί να καλύψει. Τέταρτον, η ομοσπονδιακή σύνδεση κάνει τα πολλά μητρώα να λειτουργούν ως ένα: το CommonsDB έδειξε ότι ανεξάρτητα μητρώα μπορούν να δημοσιεύουν και να συγχρονίζουν τις εγγραφές τους μέσω κοινού πρωτοκόλλου, ώστε οποιοσδήποτε να τα αναζητά σαν να ήταν ένα.

Πέμπτον, και ίσως σημαντικότερο, το τοπίο αυτό χρειάζεται δημόσια «άγκυρα». Σε ένα οικοσύστημα πολλών ανεξάρτητων, ομοσπονδιακά συνδεδεμένων μητρώων, το καθήκον των δημόσιων θεσμών είναι να ορίζουν πρότυπα, να πιστοποιούν τα μητρώα που τα πληρούν και να λειτουργούν ένα επίπεδο συγκέντρωσης που προσφέρει μια έγκυρη ενιαία εικόνα όλων τους. Το κείμενο προτείνει ως φυσικό φορέα αυτών των λειτουργιών το Γραφείο Διανοητικής Ιδιοκτησίας της ΕΕ (EUIPO), που ήδη διαχειρίζεται τις δύο υπάρχουσες βάσεις δεδομένων πνευματικών δικαιωμάτων της Ένωσης.

Κάτι περισσότερο από διοίκηση δικαιωμάτων

Οι συγγραφείς υπογραμμίζουν ότι το διακύβευμα ξεπερνά την τεχνική διαχείριση των πνευματικών δικαιωμάτων. Η μηχανικά αναγνώσιμη γνώση για τα ευρωπαϊκά έργα θα πρέπει να αποτελεί ανοιχτή δημόσια υποδομή, και όχι να συσσωρεύεται αποκλειστικά στα χαρτοφυλάκια δεδομένων των μεγαλύτερων πλατφορμών και εταιρειών ΤΝ.

Το έγγραφο στρατηγικής συνοδεύεται από νομικό παράρτημα, γραμμένο από το Institute for Information Law (IViR), που εξετάζει τι μπορεί ήδη να κάνει το EUIPO με την υφιστάμενη εντολή του και πού θα χρειαζόταν νέα νομοθεσία.

Το Open Future ηγήθηκε της πρωτοβουλίας CommonsDB, που χρηματοδοτείται από την Ευρωπαϊκή Επιτροπή, σε συνεργασία με τη Liccium, το Europeana Foundation, τη Wikimedia Sverige και το Institute for Information Law (IViR).

Κατεβάστε την πλήρη έκθεση (PDF)

Πηγή άρθρου: https://openfuture.eu/

Plug-n-Play Υλικοκεντρικός Προσομοιωτής Μικροεπεξεργαστών (HOMSDK)
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για τις Ανοιχτές Τεχνολογίες Υλικού

Του Παναγιώτη Παπάζογλου, Αναπληρωτή Καθηγητή στο Τμήμα Ψηφιακών Τεχνών και Κινηματογράφου του ΕΚΠΑ, Διευθυντή του Ερευνητικού Εργαστηρίου Διαδραστικών Ψηφιακών Συστημάτων και αναπληρωτή εκπροσώπου του ΕΚΠΑ στην ΕΕΛΛΑΚ

Η αρχιτεκτονική μικροεπεξεργαστών και μικροϋπολογιστών είναι βασικό αντικείμενο της επιστήμης και της μηχανικής υπολογιστών, ιδιαίτερα στην τριτοβάθμια εκπαίδευση. Αξίζει όμως να γίνει κατανοητή και από όσους εκπαιδεύονται σε συναφή πεδία που αγγίζουν τα ψηφιακά συστήματα. Στα περισσότερα προγράμματα σπουδών χρησιμοποιούνται αποκλειστικά προσομοιωτές λογισμικού, οι οποίοι κρατούν τους εκπαιδευόμενους μακριά από το επίπεδο του υλικού και δεν τους επιτρέπουν να εμπλακούν στη σχεδίαση της αρχιτεκτονικής και των εντολών.

Το HOMSDK (Hardware-Oriented Microprocessor Simulator Development Kit) είναι ένας ανοιχτός, χαμηλού κόστους, plug-n-play υλικοκεντρικός προσομοιωτής, βασισμένος στην πλατφόρμα Arduino. Με αυτόν, οι εκπαιδευόμενοι μπορούν να σχεδιάσουν τον δικό τους πλήρως λειτουργικό πειραματικό μικροϋπολογιστή ή μικροεπεξεργαστή, χρησιμοποιώντας πανομοιότυπες επαναπρογραμματιζόμενες μονάδες.

Γιατί χρειάζεται μια νέα προσέγγιση

Παρά την ευελιξία τους, οι προσομοιωτές λογισμικού κρύβουν το υλικό και τον τρόπο με τον οποίο αυτό εκτελεί τις εντολές. Ο εκπαιδευόμενος δυσκολεύεται να κατανοήσει τι συμβαίνει «μέσα» στον επεξεργαστή, πόσο μάλλον να σχεδιάσει μια δική του πειραματική αρχιτεκτονική.

Τις δεκαετίες του '70 και του '80 χρησιμοποιούνταν στα πανεπιστήμια ειδικές πλατφόρμες υλικού με πραγματικό μικροεπεξεργαστή, όπως ο Z80. Χαρακτηριστικό παράδειγμα είναι ο MPF-I (1981), όπου οι εντολές Assembly εισάγονταν αποκλειστικά σε δεκαεξαδική μορφή. Ακόμη και τότε, όμως, οι εκπαιδευόμενοι δεν είχαν καμία εικόνα της εσωτερικής αρχιτεκτονικής ή της εκτέλεσης των εντολών.

Σήμερα κυριαρχούν οι προσομοιωτές λογισμικού [1–3], ενώ υλικοκεντρικά εκπαιδευτικά εργαλεία για τη μελέτη της εσωτερικής αρχιτεκτονικής ουσιαστικά δεν υπάρχουν.

Διαδικτυακός προσομοιωτής μικροεπεξεργαστή στο λογισμικό

Η τεχνολογία FPGA (Field Programmable Gate Array) επιτρέπει τη σχεδίαση ψηφιακών κυκλωμάτων μέσω γλωσσών περιγραφής υλικού (HDL) και προσφέρει σημαντικά πλεονεκτήματα: προσαρμοσμένη αρχιτεκτονική στο τσιπ, παράλληλη υλοποίηση μπλοκ υλικού, υψηλή ρυθμοαπόδοση και δυναμική προσαρμογή. Χρησιμοποιείται και στη διδασκαλία μικροεπεξεργαστών [4, 5], όμως απαιτεί ισχυρό γνωστικό υπόβαθρο και δεν επιτρέπει την άμεση προσέγγιση του εσωτερικού υλικού, γεγονός που την καθιστά λιγότερο κατάλληλη για τους περισσότερους εκπαιδευόμενους.

Δέκα χρόνια έρευνας μέχρι το HOMSDK

Το HOMSDK είναι αποτέλεσμα έρευνας και πειραματισμών που ξεκίνησαν το 2015. Ο πρώτος πειραματισμός [6] ανέδειξε τη βασική ιδέα μιας αντικειμενοστραφούς προσέγγισης, αλλά το σύστημα ήταν ακόμη ανώριμο, πολύπλοκο και όχι έτοιμο για την τάξη. Ακολούθησαν βελτιώσεις [7] και στη συνέχεια μια πρωτότυπη υβριδική πλατφόρμα προσομοίωσης [8], βασισμένη σε ειδικά σχεδιασμένα PCB με τεχνολογία SMD. Η πλατφόρμα αυτή είχε όμως περιορισμούς: πολυπλοκότητα, υψηλό κόστος, τεχνολογική ανομοιογένεια και δύσχρηστο λογισμικό λειτουργίας.

Καθώς το ερώτημα για την αντικατάσταση των προσομοιωτών λογισμικού από υβριδικά εργαλεία παρέμενε ανοιχτό [9], οι πειραματισμοί οδήγησαν σε έναν πλήρως λειτουργικό υλικοκεντρικό προσομοιωτή, τον HOMS [10]. Η αναπαραγωγή του ήταν ωστόσο ακόμη δύσκολη, λόγω των καλωδιώσεων και της ανομοιογένειας των μονάδων που συνέθεταν το μοντέλο του μικροεπεξεργαστή.

Με ξεκάθαρη πλέον εικόνα για τη δομή του προσομοιωτή, υλοποιήθηκε τελικά μια χαμηλού κόστους plug-n-play έκδοση, έτοιμη για την τάξη και τους εκπαιδευτές, που λύνει όλα τα παραπάνω προβλήματα.

Πώς λειτουργεί

Ο εκπαιδευόμενος επιλέγει ελεύθερα «τουβλάκια», δηλαδή τις μονάδες του πειραματικού μικροεπεξεργαστή που θέλει να υλοποιήσει, και τα συνδέει όπως επιθυμεί. Κάθε τουβλάκι προγραμματίζεται ώστε να λειτουργεί ως καταχωρητής, μονάδα ελέγχου, μνήμη κ.ο.κ. Επιπλέον, ο εκπαιδευόμενος ή ο σχεδιαστής δημιουργεί τη δική του γλώσσα Assembly και καλεί τον τελικό χρήστη να «λειτουργήσει» τον νέο μικροεπεξεργαστή.

Στην παρακάτω εικόνα φαίνονται οκτώ μονάδες τοποθετημένες σε ειδικά motherboard, που σχηματίζουν την εσωτερική αρχιτεκτονική ενός πειραματικού μικροεπεξεργαστή. Οι μονάδες μπορούν να συνδεθούν και απευθείας πάνω στο γραφείο, χωρίς motherboard.

Τα βασικά χαρακτηριστικά του HOMSDK

Το HOMSDK είναι ένα πλήρως λειτουργικό πρωτότυπο με χαρακτηριστικά που το ξεχωρίζουν από παρεμφερή εργαλεία:

Προσαρμόσιμη αρχιτεκτονική: μπορεί να χρησιμοποιηθεί οποιοσδήποτε αριθμός μονάδων για να χτιστεί η επιθυμητή αρχιτεκτονική μικροϋπολογιστή ή μικροεπεξεργαστή.
Επαναχρησιμοποίηση μονάδων: όλες οι μονάδες βασίζονται στο ίδιο τουβλάκι (Arduino Nano). Ένα μοντέλο μπορεί, για παράδειγμα, να αποτελείται από 8 πανομοιότυπα τουβλάκια, και το ενσωματωμένο λογισμικό καθορίζει τη λειτουργία του καθενός.
Προγραμματιζόμενη λειτουργία: ανάλογα με το λογισμικό του, ένα τουβλάκι λειτουργεί ως καταχωρητής, μονάδα ελέγχου, αριθμητική και λογική μονάδα, μνήμη κ.ά.
Πειραματική αρχιτεκτονική: με περισσότερα τουβλάκια, μπορεί κανείς να δοκιμάσει μια πρωτότυπη αρχιτεκτονική ή να αναλύσει μια λειτουργία σε μικρότερα βήματα.
Ανάπτυξη εντολών Assembly: ο χρήστης μπορεί να αναπτύξει οποιαδήποτε εντολή υποστηρίζεται από το ενσωματωμένο λογισμικό της μονάδας ελέγχου.
Ανάδειξη δεξιοτήτων: οι εκπαιδευόμενοι αναπτύσσουν οι ίδιοι μονάδες και εντολές, χρησιμοποιώντας «μυαλό και αφή» για να φέρουν το υλικό στη ζωή.
Εκπαιδευτικά σενάρια: οι εκπαιδευτές μπορούν να αναπτύξουν δικές τους εντολές και να χτίσουν διαφορετικά σενάρια μαθημάτων.
Ολοκληρωμένη προσέγγιση και πολλαπλές οπτικές: ο μικροεπεξεργαστής μελετάται από διαφορετικούς ρόλους. Ο προγραμματιστής γράφει και δοκιμάζει κώδικα Assembly, ο μηχανικός προσαρμόζει το ενσωματωμένο λογισμικό, ο εκπαιδευτής ή εκπαιδευόμενος χτίζει νέα αρχιτεκτονική, ενώ ένας εκπαιδευόμενος μπορεί απλώς να παρακολουθεί την εκτέλεση των εντολών βήμα προς βήμα.
Έμφαση στο υλικό: το επίπεδο του υλικού, που κρύβεται στα σημερινά εργαλεία, γίνεται ορατό, ώστε η σύνδεση εντολής, λειτουργίας και υλικού να είναι ξεκάθαρη.
Αυτόνομο εργαλείο: δεν απαιτεί υπολογιστή και αποτελεί φορητή εργαστηριακή μονάδα. Ένα πειραματικό GUI διευκολύνει τον προγραμματισμό κάθε μονάδας.
Εύκολη αναπαραγωγή: τα εξαρτήματα βρίσκονται εύκολα στην αγορά και οι πανομοιότυπες μονάδες απλοποιούν την κατασκευή.
Ανοιχτή αρχιτεκτονική: η αντικειμενοστραφής προσέγγιση και το ανοιχτό υλικό επιτρέπουν σε κάθε σχεδιαστή ή μηχανικό να το αναπαράγει.

Άδεια, χρηματοδότηση και διαθεσιμότητα

Το έργο διατίθεται με την άδεια CC BY-NC-SA 4.0 (Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International). Δεν έχει λάβει καμία εξωτερική χρηματοδότηση· το κόστος καλύφθηκε αποκλειστικά από τον δημιουργό του.

Η έκδοση 1 παρουσιάστηκε στο διεθνές συνέδριο IEEE EDUCON 2024 [10], ενώ η βασική ιδέα πίσω από τις υλοποιήσεις έχει δημοσιευθεί σε επιστημονικό περιοδικό [8].

Όλες οι εκδόσεις, υλικό για λήψη και βίντεο λειτουργίας: panospapazoglou.gr/homs
Κώδικας και υλικό στο GitHub: github.com/panayotispapazoglou/HOMSDK
Άλλα έργα ανοιχτού υλικού και λογισμικού του δημιουργού: panospapazoglou.gr

Για τον δημιουργό

Ο Παναγιώτης Παπάζογλου είναι Αναπληρωτής Καθηγητής στο Τμήμα Ψηφιακών Τεχνών και Κινηματογράφου του Εθνικού και Καποδιστριακού Πανεπιστημίου Αθηνών, με γνωστικό αντικείμενο «Αρχιτεκτονικές και Προσομοίωση Υπολογιστικών και Επικοινωνιακών Συστημάτων». Είναι διευθυντής του Ερευνητικού Εργαστηρίου Διαδραστικών Ψηφιακών Συστημάτων και αναπληρωτής εκπρόσωπος του Πανεπιστημίου στην ΕΕΛΛΑΚ. Έχει γράψει το πρώτο βιβλίο στην Ελλάδα για την πλατφόρμα Arduino, καθώς και βιβλία για μικροελεγκτές και μικροεπεξεργαστές, και ασχολείται με τη σχεδίαση υλικού και εφαρμογών με μικροελεγκτές για περισσότερα από 30 χρόνια.

Επικοινωνία: papaz@dcarts.uoa.gr

Αναφορές

B. Nova, J. C. Ferreira, and A. Araujo, “Tool to support computer architecture teaching and learning,” Proc. 1st Int. Conf. of the Portuguese Society for Engineering Education (CISPEE), IEEE, 2013.
V. J. Shine and P. K. Sathish, “Teaching computer architecture using simulation tools,” Int. J. Comp. Sci. Inf. Technol., 5, 2014, pp. 1411–1413.
MARIE (Machine Architecture that is Really Intuitive and Easy), The Essentials of Computer Organization and Architecture (L. Null, J. Lobur). Web-based simulator, MIT license.
N. L. V. Calazans and F. G. Moraes, “Integrating the teaching of computer organization and architecture with digital hardware design early in undergraduate courses,” IEEE Trans. Educ., 44, 2001, pp. 109–119.
I. Kastelan, N. Teslic, and M. Temerinac, “Generic processor for unified computer engineering learning platform,” IEEE EDUCON, 2013.
P. M. Papazoglou, D. A. Karras, “A Hardware Based Novel Educational Methodology for Teaching Microprocessor Architectures Using Object Oriented Approach,” IRECOS, Vol. 10, No. 10, 2015.
P. Papazoglou, A. Moschos, “OpenHardSim: An Open Source Hardware Based Simulator for Learning Microprocessors,” IEEE EDUCON 2017, Athens, Greece.
P. M. Papazoglou, “A Hybrid Simulation Platform for Learning Microprocessors,” Computer Applications in Engineering Education, Wiley, 2018, pp. 655–674, doi:10.1002/cae.21921.
P. Papazoglou, “Replacing Microprocessor Simulators: Developing Hybrid Technology in Modern Education,” Int. Conf. in Education, Research & Development, Burgas, Bulgaria, 2022.
P. Papazoglou, “Hardware Oriented Microprocessor Simulator,” IEEE EDUCON 2024, Kos, Greece.

Κυβερνοασφάλεια στην πράξη: τι μπορεί να κάνει ο καθένας μας πριν συμβεί η επίθεση
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για την Ασφάλεια Πληροφοριακών Συστημάτων

Ο Οκτώβριος, Ευρωπαϊκός Μήνας Κυβερνοασφάλειας, είναι μια καλή αφορμή για να θυμηθούμε κάτι που συχνά χάνεται μέσα στην τεχνική ορολογία: η κυβερνοασφάλεια δεν αφορά μόνο ειδικούς πληροφορικής. Αφορά τον πολίτη που χρησιμοποιεί ηλεκτρονική τραπεζική, τη μικρή επιχείρηση που εκδίδει τιμολόγια, τον δήμο που διαχειρίζεται προσωπικά δεδομένα, το νοσοκομείο που πρέπει να συνεχίσει να λειτουργεί ακόμη και μετά από επίθεση και τη μεγάλη επιχείρηση που εξαρτάται από δεκάδες πληροφοριακά συστήματα και προμηθευτές.

Οι επιθέσεις δεν μπορούν να εξαλειφθούν. Μπορούμε όμως να μειώσουμε δραστικά τόσο την πιθανότητα επιτυχίας τους όσο και τη ζημιά που θα προκαλέσουν.

Η πρώτη γραμμή άμυνας είμαστε όλοι

Οι περισσότερες επιθέσεις δεν ξεκινούν με κάποια εντυπωσιακή τεχνική παραβίαση. Συχνά αρχίζουν με ένα μήνυμα ηλεκτρονικού ταχυδρομείου, ένα SMS, έναν ψεύτικο σύνδεσμο, έναν κλεμμένο κωδικό ή ένα τηλεφώνημα που πείθει κάποιον να παραδώσει πληροφορίες.

Γι’ αυτό ο πρώτος πρακτικός κανόνας για κάθε πολίτη είναι απλός: κανένας σημαντικός λογαριασμός μόνο με κωδικό πρόσβασης. Η ηλεκτρονική αλληλογραφία, οι τραπεζικές υπηρεσίες, τα μέσα κοινωνικής δικτύωσης και οι υπηρεσίες νέφους πρέπει να προστατεύονται με έλεγχο ταυτότητας πολλαπλών παραγόντων. Όπου είναι διαθέσιμα, τα κλειδιά πρόσβασης(passkeys) αποτελούν ακόμη καλύτερη επιλογή, επειδή περιορίζουν σημαντικά τον κίνδυνο ηλεκτρονικού ψαρέματος.

Δεύτερος κανόνας είναι οι διαφορετικοί κωδικοί για διαφορετικές υπηρεσίες, κατά προτίμηση μέσω αξιόπιστου διαχειριστή κωδικών. Αν χρησιμοποιούμε τον ίδιο κωδικό παντού, μία διαρροή μπορεί να ανοίξει πολλές διαφορετικές πόρτες.

Τρίτος κανόνας είναι οι ενημερώσεις. Το κινητό, ο υπολογιστής, ο φυλλομετρητής, ο οικιακός δρομολογητής και οι εφαρμογές πρέπει να ενημερώνονται συστηματικά. Μια γνωστή ευπάθεια για την οποία υπάρχει ήδη διόρθωση δεν πρέπει να παραμένει διαθέσιμη στον επιτιθέμενο.

Πριν πατήσουμε τον σύνδεσμο

Το ηλεκτρονικό ψάρεμα παραμένει μία από τις σημαντικότερες μεθόδους αρχικής διείσδυσης. Η Τεχνητή Νοημοσύνη κάνει πλέον ακόμη ευκολότερη τη δημιουργία πειστικών μηνυμάτων, φωνών, εικόνων και παραποιημένων βίντεο.

Αυτό απαιτεί αλλαγή συμπεριφοράς. Αν λάβουμε μήνυμα από την τράπεζά μας που μας ζητά επειγόντως να επιβεβαιώσουμε έναν λογαριασμό, δεν ακολουθούμε τον σύνδεσμο του μηνύματος. Ανοίγουμε μόνοι μας την εφαρμογή της τράπεζας. Αν ένα συγγενικό πρόσωπο μάς ζητήσει ξαφνικά χρήματα με μήνυμα ή ακόμη και με φωνητική κλήση, επιβεβαιώνουμε την ταυτότητά του από διαφορετικό κανάλι.

Η πιο χρήσιμη νέα συνήθεια είναι απλή: όσο μεγαλύτερη η πίεση για άμεση ενέργεια, τόσο μεγαλύτερη η ανάγκη για δεύτερη επιβεβαίωση.

Η μικρή επιχείρηση δεν χρειάζεται τεράστιο προϋπολογισμό

Ένα λογιστικό γραφείο, ένα ξενοδοχείο ή ένα ηλεκτρονικό κατάστημα μπορεί να αποκτήσει σημαντικά καλύτερη προστασία με λίγα συγκεκριμένα μέτρα: αυτόματες ενημερώσεις, πολυπαραγοντικό έλεγχο ταυτότητας, κρυπτογράφηση φορητών υπολογιστών, περιορισμό δικαιωμάτων διαχειριστή και αντίγραφα ασφαλείας που δεν παραμένουν συνεχώς συνδεδεμένα με το παραγωγικό σύστημα.

Κρίσιμο είναι επίσης να γνωρίζει ποιος έχει πρόσβαση πού. Ένας εργαζόμενος δεν χρειάζεται πρόσβαση σε όλα τα δεδομένα της εταιρείας. Όταν αποχωρεί, οι λογαριασμοί και τα δικαιώματά του πρέπει να ανακαλούνται άμεσα.

Και τα αντίγραφα ασφαλείας δεν αρκεί να υπάρχουν. Πρέπει να δοκιμάζεται τακτικά ότι μπορούν πραγματικά να επαναφέρουν τα δεδομένα. Σε μια επίθεση ransomware, ένα δοκιμασμένο και απομονωμένο αντίγραφο ασφαλείας μπορεί να κάνει τη διαφορά ανάμεσα σε μια σοβαρή αναστάτωση και στην καταστροφή της επιχείρησης.

Για τις μεγάλες επιχειρήσεις, η κυβερνοασφάλεια είναι ευθύνη διοίκησης

Όσο μεγαλώνει ένας οργανισμός, η ασφάλεια δεν μπορεί να αποτελεί αποκλειστική αρμοδιότητα του τμήματος πληροφορικής. Χρειάζεται καταγραφή συστημάτων και δεδομένων, διαβάθμιση της κρισιμότητάς τους, διαχωρισμός δικτύων, κεντρική καταγραφή συμβάντων, διαχείριση ευπαθειών, περιορισμός προνομιακών λογαριασμών και συνεχής παρακολούθηση.

Χρειάζεται επίσης έλεγχος της εφοδιαστικής αλυσίδας. Μια επιχείρηση μπορεί να διαθέτει ισχυρή άμυνα και να παραβιαστεί μέσω ενός εξωτερικού συνεργάτη που έχει πρόσβαση στα συστήματά της.

Η ευρωπαϊκή NIS2 κινείται ακριβώς προς αυτή την κατεύθυνση: διαχείριση κινδύνου, αντιμετώπιση περιστατικών, επιχειρησιακή συνέχεια, ασφάλεια προμηθευτών, διαχείριση ευπαθειών, εκπαίδευση, κρυπτογράφηση και ισχυρή ταυτοποίηση δεν αποτελούν ανεξάρτητες τεχνικές εργασίες αλλά τμήματα μιας ενιαίας πολιτικής ασφάλειας.

Το Δημόσιο χρειάζεται ανθεκτικές υποδομές, όχι μόνο ψηφιακές υπηρεσίες

Για έναν δήμο, ένα υπουργείο ή ένα νοσοκομείο το ερώτημα δεν είναι μόνο αν θα δεχθεί επίθεση, αλλά αν θα μπορεί να συνεχίσει να παρέχει κρίσιμες υπηρεσίες όταν αυτή συμβεί.

Κάθε δημόσιος φορέας χρειάζεται ενημερωμένο κατάλογο συστημάτων, δεδομένων και εξαρτήσεων, σαφείς αρμοδιότητες, πολυπαραγοντικό έλεγχο ταυτότητας, διαχωρισμό δικτύων, τακτική εγκατάσταση διορθώσεων ασφαλείας, κρυπτογράφηση, απομονωμένα αντίγραφα ασφαλείας και σχέδιο επιχειρησιακής συνέχειας.

Χρειάζεται όμως και πρόβα. Ένα σχέδιο αντιμετώπισης περιστατικών που βρίσκεται σε ένα αρχείο και δεν έχει ποτέ δοκιμαστεί προσφέρει περιορισμένη προστασία. Οι οργανισμοί πρέπει να πραγματοποιούν ασκήσεις: τι συμβαίνει αν τη Δευτέρα το πρωί δεν λειτουργεί η ηλεκτρονική αλληλογραφία; Αν κρυπτογραφηθούν οι εξυπηρετητές; Αν διαρρεύσουν στοιχεία πολιτών; Ποιος αποφασίζει, ποιος απομονώνει τα συστήματα, ποιος ενημερώνει την Αρχή και ποιος επικοινωνεί με τους πολίτες;

Η διαφάνεια είναι μέρος της κυβερνοασφάλειας

Η προστασία δεν τελειώνει όταν περιοριστεί τεχνικά μια επίθεση. Ο ΓΚΠΔ απαιτεί κατάλληλα τεχνικά και οργανωτικά μέτρα και προβλέπει συγκεκριμένες υποχρεώσεις όταν παραβιάζονται προσωπικά δεδομένα.

Όταν μια παραβίαση ενδέχεται να δημιουργήσει υψηλό κίνδυνο για τα πρόσωπα, η ενημέρωσή τους δεν είναι επικοινωνιακή επιλογή. Είναι ουσιαστικό μέτρο προστασίας. Αν κάποιος γνωρίζει εγκαίρως ότι διέρρευσαν τα στοιχεία του, μπορεί να αλλάξει κωδικούς, να ελέγξει τραπεζικούς λογαριασμούς, να ακυρώσει κάρτες και να αντιμετωπίσει με μεγαλύτερη καχυποψία στοχευμένα παραπλανητικά μηνύματα.

Η απόκρυψη ενός περιστατικού δεν αποκαθιστά την εμπιστοσύνη. Η έγκαιρη, συγκεκριμένη και ειλικρινής ενημέρωση μπορεί.

Κυβερνοασφάλεια σημαίνει προετοιμασία

Δεν υπάρχει λογισμικό που να εξαφανίζει τον κυβερνοκίνδυνο. Υπάρχει όμως μια αποτελεσματική ακολουθία: γνωρίζουμε τι πρέπει να προστατεύσουμε, περιορίζουμε τις προσβάσεις, ενημερώνουμε τα συστήματα, χρησιμοποιούμε ισχυρή ταυτοποίηση, εκπαιδεύουμε τους ανθρώπους, κρατάμε ασφαλή αντίγραφα, εντοπίζουμε γρήγορα το περιστατικό, έχουμε σχέδιο ανάκαμψης και ενημερώνουμε έγκαιρα όσους κινδυνεύουν.

Για τον πολίτη αυτό μπορεί να σημαίνει δέκα λεπτά για την ενεργοποίηση πολυπαραγοντικού ελέγχου ταυτότητας. Για μια μικρή επιχείρηση, ένα δοκιμασμένο αντίγραφο ασφαλείας. Για έναν μεγάλο οργανισμό, συνεχή διαχείριση κινδύνου. Για το Δημόσιο, ανθεκτικές υποδομές, σαφείς αρμοδιότητες και σχέδια συνέχειας.

Η κυβερνοασφάλεια, τελικά, δεν είναι προϊόν που αγοράζουμε. Είναι καθημερινή πρακτική, οργανωτική ικανότητα και κουλτούρα ευθύνης.

Πηγές άρθρου:

Αρχή Προστασίας Δεδομένων Προσωπικού Χαρακτήρα, Ασφάλεια δεδομένων και γνωστοποίηση περιστατικών παραβίασης: Η κεντρική θεματική ενότητα της ελληνικής εποπτικής αρχής για τα τεχνικά και οργανωτικά μέτρα ασφάλειας και τις υποχρεώσεις σε περίπτωση παραβίασης προσωπικών δεδομένων: https://www.dpa.gr/foreis/asfaleia_dedomenwn
Αρχή Προστασίας Δεδομένων Προσωπικού Χαρακτήρα, Ασφάλεια επεξεργασίας: Εξειδικεύει την προσέγγιση βάσει κινδύνου του άρθρου 32 ΓΚΠΔ και την ανάγκη περιοδικής επανεξέτασης των τεχνικών και οργανωτικών μέτρων: https://www.dpa.gr/el/foreis/asfaleia_dedomenwn/asfaleia_epexergasias
EUR-Lex, Γενικός Κανονισμός Προστασίας Δεδομένων, Κανονισμός (ΕΕ) 2016/679: Το άρθρο 32 θεμελιώνει την υποχρέωση ασφάλειας της επεξεργασίας, ενώ τα άρθρα 33 και 34 ρυθμίζουν τη γνωστοποίηση περιστατικών στην εποπτική αρχή και, όπου απαιτείται, την ανακοίνωσή τους στα επηρεαζόμενα πρόσωπα: https://eur-lex.europa.eu/legal-content/EL/TXT/?uri=CELEX:32016R0679
EUR-Lex, Οδηγία NIS2, Οδηγία (ΕΕ) 2022/2555: Το άρθρο 21 συγκεντρώνει κρίσιμα οργανωτικά και τεχνικά μέτρα, όπως διαχείριση περιστατικών, επιχειρησιακή συνέχεια, αντίγραφα ασφαλείας, ασφάλεια εφοδιαστικής αλυσίδας, διαχείριση ευπαθειών, εκπαίδευση, κρυπτογράφηση και έλεγχο ταυτότητας: https://eur lex.europa.eu/eli/dir/2022/2555/oj
ENISA, European Cybersecurity Month: Ευρωπαϊκή πρωτοβουλία ενημέρωσης πολιτών και οργανισμών για την κυβερνοασφάλεια, με πρακτικό υλικό για την πρόληψη και την αντιμετώπιση ψηφιακών απειλών: https://www.enisa.europa.eu/topics/cyber-hygiene/european-cybersecurity-month
ENISA, Cybersecurity Month @ work: Employees’ skills under the looking glass: Η ενημέρωση του 2026 επισημαίνει τη σημασία της κοινωνικής μηχανικής, του ransomware, της κλοπής διαπιστευτηρίων και της αυξανόμενης αξιοποίησης της ΤΝ από κακόβουλους φορείς: https://www.enisa.europa.eu/news/cybersecurity-month-work-employees-skills-under-the-looking-glass
NIST, Cybersecurity Framework 2.0: Small Business Quick-Start Guide: Πρακτικός οδηγός ειδικά σχεδιασμένος για μικρές και μεσαίες επιχειρήσεις, οργανωμένος γύρω από τις λειτουργίες Διακυβέρνησης, Αναγνώρισης, Προστασίας, Εντοπισμού, Αντιμετώπισης και Αποκατάστασης: https://www.nist.gov/publications/nist-cybersecurity-framework-20-small-business-quick-start-guide
CISA, Secure Our World: Πρακτικές οδηγίες για πολίτες και οργανισμούς με έμφαση στην ταυτοποίηση, τους ισχυρούς κωδικούς, την αναγνώριση ηλεκτρονικού ψαρέματος και την έγκαιρη εγκατάσταση ενημερώσεων ασφαλείας: https://www.cisa.gov/secure-our-world
Australian Signals Directorate, Essential Eight: Ένα ιδιαίτερα πρακτικό βασικό πλαίσιο προστασίας οργανισμών, που περιλαμβάνει ενημέρωση εφαρμογών και λειτουργικών συστημάτων, ταυτοποίηση, περιορισμό δικαιωμάτων διαχειριστή, έλεγχο εφαρμογών και τακτικά αντίγραφα ασφαλείας: https://www.cyber.gov.au/business-government/asds-cyber-security-frameworks/essential-eight.

WordCamp Athens 2026: Δέκα χρόνια κοινότητας, δύο μέρες γιορτής στο Πολεμικό Μουσείο
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για το Ανοιχτό Λογισμικό

Στις 11 και 12 Δεκεμβρίου 2026, το WordCamp επιστρέφει στην Αθήνα για να σβήσει δέκα κεράκια, με μια διοργάνωση που υπόσχεται να είναι η μεγαλύτερη μέχρι σήμερα.

Τι είναι το WordCamp

Τα WordCamps είναι συνέδρια αφιερωμένα στο WordPress, την πιο δημοφιλή πλατφόρμα δημιουργίας ιστοσελίδων στον κόσμο, αλλά και ευρύτερα στις τεχνολογίες και τα επαγγέλματα του διαδικτύου. Διοργανώνονται σε περισσότερες από 120 χώρες, υποστηρίζονται από το WordPress Foundation και έχουν ένα κοινό χαρακτηριστικό που τα κάνει ξεχωριστά: τα στήνουν αποκλειστικά εθελοντές.

Έτσι και το WordCamp Athens 2026 οργανώνεται από εθελοντές της Ελληνικής Κοινότητας WordPress, μιας από τις πιο δραστήριες κοινότητες ανοιχτού λογισμικού στη χώρα.

Δέκα χρόνια WordCamp στην Ελλάδα

Η ιστορία ξεκίνησε το 2016 με το πρώτο WordCamp Athens. Ακολούθησαν η Αθήνα το 2017, η Θεσσαλονίκη το 2018 και το 2019, ξανά η Αθήνα το 2019, μια διαδικτυακή διοργάνωση το 2021 εν μέσω πανδημίας, η Αθήνα το 2022 και η Λάρισα το 2024. Δέκα χρόνια μετά, η κοινότητα επιστρέφει στην πρωτεύουσα με ένα πλήρες διήμερο και ένα μήνυμα: ήρθε η ώρα να το γιορτάσουμε μαζί.

Ο χώρος: Πολεμικό Μουσείο

Η φετινή διοργάνωση φιλοξενείται στο Πολεμικό Μουσείο Αθηνών (Ριζάρη 2-4), σε ένα κεντρικό και εύκολα προσβάσιμο σημείο της πόλης, δίπλα σε Μέγαρο Μουσικής, Ευαγγελισμό και Σύνταγμα. Ένας χώρος με χαρακτήρα, που ταιριάζει σε μια επετειακή χρονιά.

Σε ποιον απευθύνεται

Σε όλους. Ιδιοκτήτες agencies, freelancers, developers, designers, marketers, content creators, επιχειρήσεις και απλοί χρήστες του WordPress, ανεξαρτήτως επιπέδου. Δεν χρειάζεται να γράφεις κώδικα για να βρεις κάτι χρήσιμο. Αρκεί να σε ενδιαφέρει το web.

Μέσα σε δύο γεμάτες μέρες, οι συμμετέχοντες θα:

ενημερωθούν για τις τελευταίες τάσεις και τις καλές πρακτικές στο web,
γνωρίσουν συναδέλφους που αντιμετωπίζουν τις ίδιες προκλήσεις,
έρθουν σε επαφή με εταιρείες που αναζητούν νέα ταλέντα και συνεργάτες.

Και φυσικά, θα βρεθούν σε μια κοινότητα όπου οι γνωριμίες στο διάλειμμα για καφέ μετράνε εξίσου με τις ομιλίες.

Εισιτήρια

Το εισιτήριο του WordCamp κοστίζει σκόπιμα πολύ λιγότερο από το πραγματικό κόστος συμμετοχής, χάρη στους χορηγούς που καλύπτουν τη διαφορά. Ο στόχος είναι το συνέδριο να μένει προσιτό σε όλους.

Γενικό Εισιτήριο – 60€
Microsponsor – 150€, για όσους θέλουν να στηρίξουν έμπρακτα την εθελοντική διοργάνωση, με επιπλέον παροχές όπως πρόσκληση στο δείπνο των ομιλητών και αναφορά στα social media.

Το εισιτήριο περιλαμβάνει πρόσβαση σε όλες τις ομιλίες και των δύο ημερών, γεύμα, σνακ, καφέ και νερό σε όλη τη διάρκεια του συνεδρίου, καθώς και μπλουζάκι και αναμνηστικά.

Χρήσιμες λεπτομέρειες: για να εξασφαλίσεις το μπλουζάκι στο μέγεθός σου, χρειάζεται να έχεις βγάλει εισιτήριο τουλάχιστον τρεις εβδομάδες πριν το συνέδριο, ενώ επιστροφή χρημάτων γίνεται έως την 1η Νοεμβρίου 2026. Για την αγορά απαιτείται λογαριασμός στο WordPress.org.

Πώς μπορείς να συμμετέχεις ενεργά

Το WordCamp δεν είναι μόνο για θεατές. Η διοργάνωση έχει ανοίξει καλέσματα για ομιλητές, χορηγούς και χορηγούς επικοινωνίας (media, blogs, podcasts, κανάλια YouTube). Για τις εταιρείες, η χορηγία είναι μια ευκαιρία να βρεθούν μπροστά σε ένα κοινό επαγγελματιών του web που αναζητά ενεργά εργαλεία, συνεργασίες και νέες ιδέες.

Ραντεβού στις 11 & 12 Δεκεμβρίου

Δέκα χρόνια μετά το πρώτο WordCamp στην Αθήνα, η ελληνική κοινότητα WordPress είναι μεγαλύτερη, πιο ώριμη και πιο ενωμένη από ποτέ. Το WordCamp Athens 2026 είναι η ευκαιρία να το γιορτάσουμε όλοι μαζί. Έλα για τη γνώση, μείνε για την κοινότητα.

Πληροφορίες & εισιτήρια: athens.wordcamp.org/2026

Κεντρικά, Κατανεμημένα και Υβριδικά Συστήματα Δεδομένων
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για την Ασφάλεια Πληροφοριακών Συστημάτων

Η επιλογή μεταξύ κεντρικών, κατανεμημένων και υβριδικών συστημάτων δεδομένων είναι ουσιαστικά επιλογή μεταξύ αποδοτικότητας διαχείρισης και ανθεκτικότητας/αυτονομίας. Όταν, επιπλέον, όλα τα δεδομένα υπάρχουν μόνο ψηφιακά, προστίθενται κίνδυνοι μοναδικού σημείου αποτυχίας, ενεργειακής εξάρτησης και μακροχρόνιας προσβασιμότητας. Το παρόν εξετάζει τη σύγκριση των δύο μοντέλων, τις επιπτώσεις της αποκλειστικά ψηφιακής συγκέντρωσης, την ενεργειακή διάσταση του ζητήματος, καθώς και τη γεωστρατηγική σημασία του σχεδιασμού δικτύων και πληροφορίας. Στην πράξη, οι περισσότερες σύγχρονες υποδομές συνδυάζουν στοιχεία των τριών προσεγγίσεων, ανάλογα με τις απαιτήσεις διαθεσιμότητας, απόδοσης και αυτονομίας.

1. Κεντρικά έναντι κατανεμημένων συστημάτων

Ο παρακάτω πίνακας συνοψίζει τις βασικές διαφορές ανάμεσα στα δύο μοντέλα, ως προς την αποθήκευση, τη διαχείριση, την αξιοπιστία, την καθυστέρηση, την ενέργεια και την κυριαρχία δεδομένων.

Κριτήριο	Κεντρικό σύστημα	Κατανεμημένο σύστημα
Αποθήκευση / επεξεργασία	Ένας ή λίγοι κεντρικοί κόμβοι, π.χ. data center ή cloud	Πολλοί κόμβοι, π.χ. τοπικοί servers, edge, περιφερειακά cloud
Διαχείριση	Απλούστερη, ενιαία πολιτική ασφαλείας και backup	Πιο σύνθετη: συγχρονισμός, δικτύωση, έλεγχος πρόσβασης
Αξιοπιστία	Ευάλωτο σε single point of failure	Ανθεκτικότερο σε τοπικές βλάβες, αν υπάρχει αναπαραγωγή
Καθυστέρηση	Υψηλότερη για απομακρυσμένους χρήστες	Χαμηλότερη κοντά στον χρήστη (edge)
Ενέργεια	Υψηλή συγκέντρωση φορτίου σε ψύξη, τροφοδοσία, δικτύωση	Μπορεί να μειώσει τη μεταφορά δεδομένων και την ενέργεια· το edge υπολογίζεται ότι καταναλώνει 14–25% λιγότερη ενέργεια σε ορισμένα σενάρια
Κυριαρχία δεδομένων	Ευκολότερη συγκέντρωση, αλλά μεγαλύτερος κίνδυνος συγκέντρωσης εξουσίας	Καλύτερη τοπική αυτονομία και έλεγχος

2. Επιπτώσεις της αποκλειστικά ψηφιακής συγκέντρωσης

Μοναδικό σημείο αποτυχίας: Αν καταρρεύσει η κεντρική υποδομή, το δίκτυο ή η υπηρεσία ταυτότητας/αποθήκευσης, μπορεί να σταματήσει η πρόσβαση σε όλα τα εξαρτώμενα δεδομένα. Πρόκειται για γνωστό μειονέκτημα της κεντροποίησης.

Εξάρτηση από συνεχή τροφοδοσία και δίκτυο: Χωρίς ρεύμα, internet, DNS, πιστοποιητικά ή υπηρεσία cloud, τα «διαθέσιμα» δεδομένα γίνονται πρακτικά απρόσιτα.
Κίνδυνος απώλειας μακροχρόνιας αναγνωσιμότητας: Μορφές αρχείων, κρυπτογράφηση, DRM, λογισμικό και υλικό αλλοιώνονται με τον χρόνο. Ένα ψηφιακό αρχείο χωρίς ανεξάρτητο αντίγραφο, τεκμηρίωση μορφής και περιοδικό migration δεν είναι εγγυημένα μακροβιώσιμο.
Ασφάλεια και ιδιωτικότητα: Η συγκέντρωση κάνει μια παραβίαση ή ένα λάθος διαχειριστή δυνητικά μαζικής κλίμακας. Αντίθετα, η κατανομή με τοπικό έλεγχο περιορίζει την έκταση ενός συμβάντος.
Νομική και θεσμική συγκέντρωση: Όταν λίγοι πάροχοι ελέγχουν αποθήκευση, αναζήτηση, αυθεντικοποίηση και διαθεσιμότητα, αποκτούν ουσιαστική εξουσία επί της πρόσβασης στη γνώση.
Ψευδαίσθηση αντιγράφων: Πολλαπλά αντίγραφα στο ίδιο cloud ή στο ίδιο data center δεν αποτελούν πραγματική, ανεξάρτητη δημιουργία αντιγράφων ασφαλείας.

3. Ενεργειακή εξάρτηση

Τα κέντρα δεδομένων είναι βαριά ενεργοβόρα: στην ΕΕ αντιπροσώπευαν το 2,7% της ζήτησης ηλεκτρικής ενέργειας το 2018, ενώ ενδέχεται να φτάσουν το 13% έως το 2030 χωρίς κατάλληλα μέτρα. Η μεγαλύτερη κατανάλωση προέρχεται από τους servers και κυρίως από τα συστήματα ψύξης, ενώ οι απώλειες τροφοδοσίας/διανομής και το δίκτυο προσθέτουν σημαντικό επιπλέον φορτίο.

Πρακτικά, η «ψηφιακή αποκλειστικότητα» σημαίνει ότι η πρόσβαση στη γνώση εξαρτάται από:

ηλεκτρικό δίκτυο και εφεδρική τροφοδοσία
ψύξη και θερμική διαχείριση
τηλεπικοινωνιακές υποδομές
αλυσίδα εφοδιασμού για δίσκους, μνήμες, επεξεργαστές και δικτυακό εξοπλισμό
συνεχείς συνδρομές, άδειες χρήσης (licenses) και τεχνική υποστήριξη

4. Πρακτική αρχιτεκτονική μείωσης κινδύνου

Για οργανισμό ή προσωπικό αρχείο, η ασφαλέστερη λύση δεν είναι ούτε πλήρης κεντροποίηση ούτε χαοτική κατανομή, αλλά ένα υβριδικό μοντέλο:

Κύριο σύστημα: κεντρική βάση ή cloud για την καθημερινή λειτουργία, SSO, audit και backup.
Τοπικό αντίγραφο: offline ή LAN server/NAS με κρυπτογραφημένα αντίγραφα.
Γεωγραφικά ανεξάρτητο backup: δεύτερη τοποθεσία ή πάροχος, ιδανικά με διαφορετικό λογαριασμό/κλειδί.
Μη ψηφιακή ασφάλεια για κρίσιμα τεκμήρια: έντυπα ή μικροφίλμ για νομικά, ιστορικά ή θεμελιώδη έγγραφα.
Ανοιχτές μορφές: PDF/A, CSV, SQLite, JSON, plain text, αντί για κλειστές ή εξαρτώμενες από συγκεκριμένο λογισμικό μορφές.
Τακτικό restore test: backup που δεν έχει δοκιμαστεί με πραγματική επαναφορά δεν είναι αξιόπιστο backup.

Η έντονη εξάρτηση από κεντρική ψηφιακή αποθήκευση είναι αποδοτική, αλλά μπορεί να δημιουργήσει σωρευμένη ευπάθεια: τεχνική, ενεργειακή, οργανωσιακή και θεσμική. Η κατανεμημένη ή υβριδική προσέγγιση, με πραγματικά ανεξάρτητα αντίγραφα και κατάλληλη τοπική αυτονομία, μπορεί να μειώσει τον κίνδυνο μοναδικού σημείου αποτυχίας και την απόλυτη εξάρτηση από συνεχή ενέργεια και μεγάλα κέντρα δεδομένων.

5. Εναλλακτικές για την ενεργειακή εξάρτηση

Οι εναλλακτικές για την ενεργειακή εξάρτηση δεν είναι μία μόνο τεχνολογία, αλλά συνδυασμός μειωμένης ζήτησης, τοπικής παραγωγής, αποθήκευσης, ευελιξίας φορτίου και επαναχρησιμοποίησης θερμότητας. Η ηλιακή/αιολική ενέργεια από μόνη της δεν λύνει το πρόβλημα, επειδή είναι διακοπτόμενη και χρειάζεται αποθήκευση ή εφεδρική πηγή.

5.1 Μείωση ζήτησης

Σε πολλές περιπτώσεις, αυτή είναι από τις οικονομικότερες και ανθεκτικότερες επιλογές.

Edge computing: επεξεργασία κοντά στην πηγή των δεδομένων, ώστε να μην μεταφέρονται άσκοπα μεγάλοι όγκοι σε κεντρικό data center. Για κατάλληλα φορτία, μπορεί να μειώσει την ενέργεια του δικτύου κατά 30–50%.
Αποδοτικότερος εξοπλισμός: servers χαμηλής κατανάλωσης, SSD αντί για περιστρεφόμενους δίσκους όπου ταιριάζει, αποδοτικά τροφοδοτικά, δικτυακός εξοπλισμός με λειτουργίες εξοικονόμησης ενέργειας.
Ψύξη χωρίς υπερβολική κατανάλωση: ελεύθερη ψύξη (free cooling), υδρόψυξη, ψύξη με εξωτερικό αέρα, διαχείριση θερμού/ψυχρού διαδρόμου και έλεγχος θερμοκρασίας αντοχής του εξοπλισμού.
Προγραμματισμός εργασιών: batch jobs, backups, εκπαίδευση μοντέλων AI και μεγάλοι υπολογισμοί σε ώρες χαμηλής ζήτησης ή υψηλής παραγωγής ΑΠΕ.
Μείωση δεδομένων: deduplication, συμπίεση, καθαρισμός παλαιών αντιγράφων και πολιτική διατήρησης (retention). Κάθε5.1 Μείωση ζήτησης αποθηκευμένο και αντιγραμμένο δεδομένο έχει ενεργειακό κόστος.

5.2 Τοπική ανανεώσιμη παραγωγή

Λύση	Κατάλληλη χρήση	Περιορισμός
Φωτοβολταϊκά	Ημερήσια παραγωγή, συμπληρωματική τροφοδοσία, μικρά edge nodes	Δεν παράγουν τη νύχτα· χρειάζονται αποθήκευση ή δίκτυο
Αιολικά	Μεγαλύτερη συνεχής παραγωγή σε κατάλληλες τοποθεσίες	Μεταβλητή παραγωγή, χώρος, θόρυβος, αισθητική
Μικρή υδροηλεκτρική	Σταθερή βάση όπου υπάρχει ρέον ύδωρ	Τοπική διαθεσιμότητα και περιβαλλοντικοί περιορισμοί
Γεωθερμία	Σταθερή θερμότητα/ψύξη και ενδεχομένως ηλεκτρική παραγωγή	Υψηλό αρχικό κόστος, εξαρτάται από τη γεωλογία
Συμπαραγωγή θερμότητας-ηλεκτρισμού	Παράγει ρεύμα και αξιοποιεί θερμότητα	Συμφέρει μόνο αν υπάρχει πραγματική χρήση της θερμότητας

Για τα κέντρα δεδομένων, η ΕΕ προωθεί ενεργειακή αποδοτικότητα, ΑΠΕ και επαναχρησιμοποίηση απορριπτόμενης θερμότητας ως βασικά εργαλεία για τη μείωση της εξάρτησης και των εκπομπών.

5.3 Αποθήκευση και εφεδρεία

Μπαταρίες λιθίου : καλές για βραχυπρόθεσμη εφεδρεία, εξομάλυνση φωτοβολταϊκών και μεταφορά φορτίου.
Μπαταρίες ροής: πιο κατάλληλες για μεγάλες διάρκειες αποθήκευσης, αν και με μεγαλύτερο κόστος και πολυπλοκότητα.
Θερμική αποθήκευση: αποθήκευση ψύχους ή θερμότητας, π.χ. νερό, άλμη, πάγος ή υλικά αλλαγής φάσης, για τη μείωση της αιχμής ψύξης.
Σταθμοί φόρτισης οχημάτων ως αποθήκευση: Σε οργανισμούς με στόλο ηλεκτρικών οχημάτων.
Γεννήτριες: απαραίτητες ως τελευταία γραμμή άμυνας, αλλά όχι λύση μείωσης εξάρτησης· προτιμώνται με βιοαέριο, HVO ή υβριδικά συστήματα μόνο για έκτακτη ανάγκη.
Κυψέλες καυσίμου: μπορούν να δώσουν καθαρή εφεδρεία με πράσινο υδρογόνο, αλλά σήμερα συχνά εξαρτώνται από φυσικό αέριο και έχουν ζητήματα αποδοτικότητας.

5.4 Ευελιξία και διασύνδεση με το δίκτυο

Ένα σύστημα δεν χρειάζεται να είναι πλήρως αυτόνομο για να μειώσει την εξάρτησή του.

Demand response: προσωρινή μείωση ή αναβολή μη κρίσιμων φορτίων όταν το δίκτυο είναι υπό πίεση.
Time-shifting: εκτέλεση υπολογισμών όταν η ηλεκτρική ενέργεια είναι φθηνή και καθαρή.
Microgrid: τοπικό δίκτυο με φωτοβολταϊκά, μπαταρίες, γεννήτρια και δυνατότητα αποσύνδεσης από το κεντρικό δίκτυο.
Πολλαπλοί πάροχοι/τροφοδοσίες: δύο ανεξάρτητες γραμμές ηλεκτρικής ενέργειας και δύο τηλεπικοινωνιακοί πάροχοι μειώνουν τον κίνδυνο διακοπής.
Ευέλικτα SLA: κρίσιμες υπηρεσίες σε τοπική υποδομή και λιγότερο κρίσιμες στο cloud, ώστε μια διακοπή να μην ακυρώνει όλη τη λειτουργία.

5.5 Επαναχρησιμοποίηση θερμότητας

Σχεδόν όλη η ηλεκτρική ενέργεια που καταναλώνει ένα data center καταλήγει ως θερμότητα. Αντί να απορρίπτεται, μπορεί να χρησιμοποιηθεί για θέρμανση χώρων, ζεστό νερό, θερμοκήπια, βιομηχανικές διεργασίες ή δίκτυα τηλεθέρμανσης. Η επαναχρησιμοποίηση της απορριπτόμενης θερμότητας αποτελεί σημαντική κατεύθυνση για τη βελτίωση της ενεργειακής αποδοτικότητας και τη μείωση της εξάρτησης από εξωτερικές ενεργειακές πηγές. Ωστόσο, σήμερα αξιοποιείται μόνο περίπου το 1,9% της θερμότητας που παράγουν τα ευρωπαϊκά κέντρα δεδομένων, άρα υπάρχει μεγάλο περιθώριο βελτίωσης.

6. Πρακτικό μοντέλο για μικρό οργανισμό

Για έναν οργανισμό ή ακόμη και ένα σοβαρό home lab, μια ρεαλιστική στοίβα θα ήταν:

Τοπικός NAS/mini-server για κρίσιμα αρχεία και υπηρεσίες, με χαμηλή συνεχή κατανάλωση.
Φωτοβολταϊκά + μπαταρία LFP για μείωση της καθημερινής κατανάλωσης από το δίκτυο.
UPS για ομαλή διαχείριση διακοπών και ασφαλές shutdown.
Μικρή γεννήτρια ή φορητή μπαταρία μόνο για παρατεταμένη έλλειψη ρεύματος.
Offline κρυπτογραφημένο backup σε δεύτερη τοποθεσία.
Cloud μόνο ως δευτερεύον αντίγραφο ή για υπηρεσίες υψηλής διαθεσιμότητας, όχι ως μοναδικό μέσο πρόσβασης στα δεδομένα.

Η καλύτερη στρατηγική είναι: μειώνεις πρώτα την κατανάλωση, μετά παράγεις τοπικά, μετά αποθηκεύεις και τέλος σχεδιάζεις εφεδρεία. Έτσι η ενεργειακή ανεξαρτησία γίνεται ρεαλιστική, χωρίς να βασίζεται αποκλειστικά σε ακριβές ή διακοπτόμενες τεχνολογίες.

7. Η γεωστρατηγική διάσταση

Ο γεωστρατηγικός σχεδιασμός για δίκτυα και πληροφορία σημαίνει ότι ο σχεδιασμός δεν αφορά μόνο την καθημερινή λειτουργία, αλλά και την κρίση, τον πόλεμο, την υβριδική επίθεση, τη φυσική καταστροφή ή την πολιτική πίεση. Στόχος είναι η συνέχεια επικοινωνίας, πρόσβασης σε δεδομένα και λήψης αποφάσεων, ακόμη κι όταν το κύριο δίκτυο ή ο κύριος πάροχος δεν είναι διαθέσιμος.

7.1 Τι θεωρείται κρίσιμη υποδομή

Στην ψηφιακή γεωστρατηγική, κρίσιμη δεν είναι μόνο η «κυβερνοασφάλεια». Περιλαμβάνει:

υποθαλάσσια και χερσαία καλώδια
κεραίες κινητής τηλεφωνίας, δορυφορικά δίκτυα και φάσμα
data centers και cloud servers με ευαίσθητα δεδομένα
DNS, πιστοποιητικά, δρομολόγηση και CDN
λογισμικό ασφαλείας και συστήματα ταυτοποίησης
ενεργειακή τροφοδοσία που στηρίζει όλα τα παραπάνω

Η ΕΕ θεωρεί τα υποθαλάσσια καλώδια κρίσιμο στοιχείο της ευρωπαϊκής ψηφιακής κυριαρχίας, καθώς μέσω αυτών μεταφέρεται η συντριπτική πλειονότητα της διεθνούς κίνησης δεδομένων.

7.2 Βασικές γεωστρατηγικές απειλές

Σαμποτάζ ή φυσική βλάβη υποθαλάσσιων καλωδίων, με πιθανή μαζική διακοπή της διεθνούς συνδεσιμότητας.
Κυβερνοεπιθέσεις σε τηλεπικοινωνιακούς φορείς, DNS, cloud, δίκτυα 5G και συστήματα διαχείρισης.
Εξάρτηση από ξένους προμηθευτές σε εξοπλισμό, cloud, λογισμικό και υπηρεσίες διαχείρισης.
Πολιτική διακοπή υπηρεσιών: ένας πάροχος ή κράτος μπορεί να περιορίσει πρόσβαση, ενημερώσεις, υποστήριξη ή μεταφορά δεδομένων.
Καταστροφές και ενεργειακές διακοπές, που αποκαλύπτουν πόσο εξαρτώνται οι ψηφιακές υπηρεσίες από ρεύμα, ψύξη και εφεδρικές γραμμές.
Πληροφοριακός πόλεμος: παραπληροφόρηση, παραποίηση πηγών και έλεγχος της ορατότητας ή της πρόσβασης στη γνώση.

7.3 Αρχή σχεδιασμού: πολλαπλότητα

Η κεντρική αρχή είναι να μην υπάρχει μοναδικό σημείο ελέγχου ή αποτυχίας. Η λογική της ανθεκτικότητας των κρίσιμων επικοινωνιών, της εφεδρικής χωρητικότητας και της ικανότητας λειτουργίας υπό κρίση αποτελεί βασική αρχή σχεδιασμού για τις κρίσιμες υποδομές. Πρακτικά αυτό σημαίνει:

δύο ή περισσότεροι ISPs με διαφορετική φυσική διαδρομή
εναλλακτική κινητή, ραδιοζεύξη ή δορυφορική σύνδεση
περισσότερα από ένα data centers ή τοποθεσίες backup
περισσότεροι πάροχοι DNS/CDN/πιστοποιητικών
τουλάχιστον δύο ανεξάρτητα αντίγραφα κρίσιμων δεδομένων
εναλλακτικά κανάλια επικοινωνίας για την ομάδα διαχείρισης κρίσης

7.4 Σχέδιο συνέχειας λειτουργίας

Ένα ρεαλιστικό σχέδιο πρέπει να απαντά σε τέσσερα ερωτήματα:

Τι είναι κρίσιμο; Ποια δεδομένα, υπηρεσίες και συστήματα πρέπει να λειτουργούν τις πρώτες ώρες ή ημέρες;
Ποιος εξαρτάται από ποιον; Cloud, DNS, ταυτότητα, ISP, ηλεκτρικό ρεύμα, πάροχος πιστοποιητικών.
Πώς επανέρχεται η λειτουργία; Ποιο είναι το RTO, ποιο το RPO και ποια η σειρά επαναφοράς;
Ποιος αποφασίζει σε κρίση; Υπεύθυνοι, εναλλακτικοί υπεύθυνοι, επικοινωνία εκτός κύριου δικτύου.

Η συνέχεια της κυβέρνησης και των κρίσιμων υπηρεσιών, η τακτική αξιολόγηση κινδύνων και τα σχέδια έκτακτης ανάγκης αποτελούν βασικά στοιχεία ενός ολοκληρωμένου πλαισίου ανθεκτικότητας.

7.5 Επίπεδα εφεδρείας δικτύου

Επίπεδο	Κύρια λύση	Εναλλακτική
Internet	Σταθερή γραμμή ISP	Δεύτερος ISP, 4G/5G, δορυφορική
Εσωτερικό δίκτυο	Ethernet/switch	Wi-Fi, ραδιοζεύξη, mobile hotspot
DNS	Δημόσιος ή πάροχος DNS	Τοπικός recursive/authoritative DNS
Ταυτότητα	Cloud SSO	Τοπικό Keycloak/LDAP/AD replica
Αποθήκευση	Cloud ή κεντρικός server	Τοπικό NAS και offline backup
Επικοινωνία ομάδας	Email, chat, VoIP	SMS, ραδιοεπαφή, τηλέφωνο, encrypted messenger
Ενέργεια	Δημόσιο δίκτυο	UPS, μπαταρία, φωτοβολταϊκά, γεννήτρια

Οι δορυφόροι, ιδίως σε τροχιά LEO, είναι χρήσιμοι για έκτακτη επικοινωνία και απομακρυσμένες περιοχές, αλλά δεν αντικαθιστούν τη χωρητικότητα των υποθαλάσσιων καλωδίων για μεγάλο όγκο δεδομένων.

7.6 Δεδομένα και πληροφορία

Γεωστρατηγικά, η πληροφορία πρέπει να είναι διαθέσιμη, επαληθεύσιμη και ανεξάρτητη από έναν πάροχο.

Χρήση ανοιχτών μορφών: PDF/A, CSV, JSON, plain text, SQLite
Κρυπτογραφημένα αντίγραφα σε τουλάχιστον δύο φυσικά ανεξάρτητες τοποθεσίες
Ένα offline αντίγραφο για τα πιο κρίσιμα έγγραφα
Τεκμηρίωση κλειδιών ανάκτησης, διαδικασιών και υπευθύνων εκτός του ίδιου συστήματος
Διαχωρισμός δημόσιων, εσωτερικών και άκρως κρίσιμων δεδομένων
Έλεγχος του ποιος έχει πρόσβαση, με ποιον μηχανισμό ταυτότητας και υπό ποια δικαιοδοσία

7.7 Εφαρμογή σε οργανισμό

Για μια ελληνική επιχείρηση ή δημόσια υπηρεσία, μια λογική στοίβα είναι:

Τοπικός κρίσιμος πυρήνας: Active Directory/Keycloak, file server ή NAS, email relay, monitoring.
Δεύτερη τοποθεσία: backup server ή cloud σε άλλη γεωγραφική περιοχή.
Cloud ως τρίτο επίπεδο: όχι ως μοναδική αποθήκευση, αλλά ως επιπλέον αντίγραφο ή υπηρεσία συνέχειας.
Δύο δίκτυα: κύριος ISP και 5G/δορυφορική εφεδρεία.
UPS και εφεδρική ενέργεια: τουλάχιστον για router, firewall, DNS, ταυτότητα και backup server.
Ετήσια άσκηση: προσομοίωση απώλειας cloud, ISP, DNS ή κεντρικού data center.

Συμπέρασμα

Ο σχεδιασμός δικτύων και πληροφορίας βασίζεται σε τρεις λέξεις: πλεονασμός, αυτονομία, συνέχεια. Η ΕΕ και το NATO προωθούν ακριβώς αυτή τη λογική: προστασία και εναλλακτικές διαδρομές για τα υποθαλάσσια καλώδια, ανθεκτικές επικοινωνίες, αξιολόγηση κινδύνων και σχέδια συνέχειας σε κρίση. Για έναν οργανισμό, η πρακτική μετάφραση είναι απλή: κανένα κρίσιμο σύστημα δεν πρέπει να εξαρτάται από έναν μόνο πάροχο, μία μόνο γραμμή, μία μόνο τοποθεσία ή ένα μόνο κανάλι πρόσβασης.

Ημερομηνία/Ώρα	Εκδήλωση
21/01/2025 – 01/09/2027 Ολοήμερο	#online event: Adopt and scale AI
03/10/2026 – 24/10/2026 16:00 – 20:30	Σεμινάρια Linux Essentials & Web Development Essentials Δημοτικό Κέντρο Ελεύθερου Λογισμικού, Πυλαία, Θεσσαλονίκη.
05/10/2026 – 06/10/2026 Ολοήμερο	MCP Dev Summit Toronto The Conference Centre at the University of Toronto, Toronto
05/10/2026 Ολοήμερο	Observability Summit Prague Congress Centre, Prague
05/10/2026 Ολοήμερο	ValkeyConf Prague Congress Centre, Prague
06/10/2026 Ολοήμερο	Mindtrek Conference Finnkino Cine Atlas (Koskikeskus), Tampere
06/10/2026 – 09/10/2026 Ολοήμερο	Open Transport Community Conference 2026 SBB headquarters, Bern
06/10/2026 – 09/10/2026 Ολοήμερο	Open Transport Community Conference 2026 SBB headquarters, Bern
06/10/2026 Ολοήμερο	OpenSSF Community Day Europe Prague Congress Centre, Prague
06/10/2026 – 08/10/2026 Ολοήμερο	RDA 27th Plenary Meeting (P27) Kia Oval, London

Ημερομηνία/Ώρα	Εκδήλωση
06/10/2026 Ολοήμερο	Valkey Contributor Summit Prague Congress Centre, Prague
07/10/2026 Ολοήμερο	#online events: What does it cost to provide a strong, sustainable Organizational Home for Community Supported Technologies?
07/10/2026 – 08/10/2026 Ολοήμερο	Open Source India 2026 NIMHANS Convention Centre, Bangalore
07/10/2026 Ολοήμερο	OSCL26 Institute National Des Langues Luxembourg – Site Belval, Belval
07/10/2026 – 08/10/2026 Ολοήμερο	PromCon EU 2026 Google office, München
07/10/2026 14:00 – 16:00	#online event: RETROCHANGE Showcase: From Historical Satellite Imagery to Reproducible Forest and Landscape Change Analysis
08/10/2026 Ολοήμερο	#online event: WroboCon
09/10/2026 – 11/10/2026 Ολοήμερο	FreedomNotFear JES Brussels, Brussels, Sint-Jans-Molenbeek
10/10/2026 Ολοήμερο	HackFest Sickhouse, Enschede
10/10/2026 – 11/10/2026 Ολοήμερο	Interfug 2026 LOKOMOV, Gablenz
10/10/2026 Ολοήμερο	Lakehouse Day Hilton Glasgow, Glasgow

Ανοιχτό για ποιον; Η ανοιχτή επιστήμη απέναντι στη μηχανή εξόρυξης
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για την Ανοιχτή Διακυβέρνηση

«Δεν θέλω πλέον να μοιράζομαι τα ερευνητικά μας δεδομένα.» Τα λόγια ανήκουν σε μια ερευνήτρια της υπολογιστικής κοινωνιογλωσσολογίας που για χρόνια υπερασπιζόταν την ανοιχτή επιστήμη. Έχει πλέον την αίσθηση, εξηγεί, ότι ό,τι ανοίγει η κοινότητά της το συλλέγουν οι εταιρείες τεχνητής νοημοσύνης, εκπαιδεύουν με αυτό τα μοντέλα τους και καρπώνονται το όφελος, ενώ η ίδια και οι συνάδελφοί της δεν παίρνουν τίποτα πίσω.

Η φράση ανοίγει ένα πρόσφατο άρθρο της Katja Mayer, κοινωνιολόγου στο Πανεπιστήμιο της Βιέννης, και δύσκολα θα την προσπεράσει όποιος, όπως εμείς στην ΕΕΛΛΑΚ, υποστηρίζει εδώ και δεκαετίες ότι η γνώση που παράγεται με δημόσιο χρήμα πρέπει να είναι ανοιχτή.

Η Mayer μίλησε σε βάθος με 27 ερευνητές, επιστήμονες δεδομένων και διαχειριστές αποθετηρίων στην Ευρώπη, ανάμεσα στο 2022 και το 2024. Όλοι είχαν μακρά πορεία ως υπέρμαχοι του ανοιχτού διαμοιρασμού δεδομένων, και αυτό δίνει στα ευρήματα ένα βάρος που δεν θα είχαν αν προέρχονταν από σκεπτικιστές. Είναι, με άλλα λόγια, πιστοί που έχουν αρχίσει να αμφιβάλλουν. Η ίδια η συγγραφέας σημειώνει ότι το δείγμα δεν είναι αντιπροσωπευτικό, οπότε το άρθρο της διαβάζεται καλύτερα ως καταγραφή μιας διάθεσης παρά ως μέτρηση. Η διάθεση αυτή όμως μας αφορά άμεσα.

Μια υπόσχεση που έγινε κανόνας

Η ανοιχτή επιστήμη γεννήθηκε στις αρχές του αιώνα από μια ενοχλητική διαπίστωση: η έρευνα που χρηματοδοτούσαν οι πολίτες κατέληγε κλειδωμένη πίσω από συνδρομές εκδοτών και αρχεία που δεν έβλεπε κανείς. Η απάντηση ήταν μια ιδέα της γνώσης ως δημόσιου αγαθού, προσβάσιμης σε όλους, ελέγξιμης και επαναχρησιμοποιήσιμης, η οποία οφείλει πολλά στην κουλτούρα του ελεύθερου λογισμικού. Με τα χρόνια το αίτημα έγινε κανόνας, και οι μεγάλοι χρηματοδότες, με πρώτη την Ευρωπαϊκή Επιτροπή, ανήγαγαν την ανοικτή πρόσβαση στις δημοσιεύσεις και διαθεσιμότητα των δεδομένων ως όρο χρηματοδότησης.

Η λογική αυτή συμπυκνώθηκε σε ένα σύνθημα που διέδωσε η Επιτροπή: «όσο ανοιχτά γίνεται, όσο κλειστά χρειάζεται». Δέκα από τους συνομιλητές της Mayer το επικαλέστηκαν αυθόρμητα ως πυξίδα της δουλειάς τους. Ένας από αυτούς όμως παραδέχεται ότι κάποτε ανήκε στην ομάδα του «όσο ανοιχτά γίνεται», ενώ σήμερα στρέφεται στοι «μόνο όσο ανοιχτά χρειάζεται».

Από τον διαμοιρασμό στη συλλογή

Οι ερευνητές της Mayer δεν περιγράφουν κάποια αφηρημένη απειλή. Μία από αυτούς αναγνώρισε την ταξινομία που είχε αναπτύξει η ομάδα της για τη μελέτη της διαδικτυακής ριζοσπαστικοποίησης, μαζί με τα ίδια τα παραδείγματά της, μέσα σε ένα εργαλείο ανάλυσης συναισθήματος μιας νεοφυούς εταιρείας μάρκετινγκ, χωρίς ούτε μια αναφορά στην προέλευση. Άλλοι θυμίζουν έναν κύκλο που μοιάζει σχεδόν κωμικός. Οι ερευνητές πλήρωσαν χιλιάδες ευρώ στους εκδότες για να γίνουν ανοιχτά τα άρθρα τους, και οι ίδιοι εκδότες πουλούν τώρα το περιεχόμενο, τα μεταδεδομένα και έως και τις κρίσεις των αξιολογητών για την εκπαίδευση μοντέλων.

Εξίσου διδακτική είναι η πορεία των αρχών FAIR. Τα αρχικά ζητούν τα δεδομένα να είναι ευρέσιμα, προσβάσιμα, διαλειτουργικά και επαναχρησιμοποιήσιμα, και σχεδιάστηκαν ώστε ένας ερευνητής να μπορεί να ελέγξει, να επαναλάβει και να συνεχίσει τη δουλειά ενός άλλου. Ένας διαχειριστής αποθετηρίου σχολιάζει με πικρό χιούμορ ότι το FAIR έφτασε να σημαίνει «feed AI reliably», δηλαδή τάιζε αξιόπιστα την τεχνητή νοημοσύνη. Για γαλαξίες, πετρώματα και μόρια, προσθέτει, αυτό ίσως να μην είναι κακό, τα δικά του δεδομένα όμως αφορούν ανθρώπους, κοινότητες και πολιτική.

Εδώ βρίσκεται και το νομικό και ηθικό επίκεντρο του προβλήματος. Πολλά σύνολα δεδομένων των κοινωνικών επιστημών συλλέχθηκαν με τη συναίνεση των συμμετεχόντων για έναν συγκεκριμένο ερευνητικό σκοπό, και κανείς δεν τους ρώτησε αν δέχονται να γίνουν πρώτη ύλη για ένα εμπορικό μοντέλο. Για τον ίδιο λόγο οι συνομιλητές ανησυχούν για την επαναταυτοποίηση, αφού δεδομένα που θεωρούνταν επαρκώς ανώνυμα μπορούν σήμερα να διασταυρωθούν με άλλες πηγές πολύ ευκολότερα από ό,τι προέβλεπαν τα πρωτόκολλα ανωνυμοποίησης.

Υπάρχει βέβαια και ένα πιο… πεζό κόστος, που κάθε φορέας με ανοιχτή υποδομή το αναγνωρίζει αμέσως. Τα αποθετήρια δέχονται αδιάκοπες επισκέψεις από αυτοματοποιημένα προγράμματα συλλογής, που βαραίνουν τους διακομιστές και τους προϋπολογισμούς. Ένας υπεύθυνος υποδομής το λέει απλά: κάθε ευρώ που πάει στην αντιμετώπιση των bots λείπει από την έρευνα δημόσιου συμφέροντος. Και η άμυνα που αντιπαραθέτουν, με όρια αιτημάτων, ανίχνευση bots και νέα πρωτόκολλα πρόσβασης, καταλήγει να περιορίζει την ανοιχτότητα στο όνομα της προστασίας της.

Η τραγωδία δεν είναι μοίρα αναπότρεπτη

Όταν η Mayer παρουσίαζε τα ευρήματά της σε συναδέλφους και ακτιβιστές της ανοιχτής επιστήμης, η συνηθέστερη αντίδραση ήταν ένα σήκωμα των ώμων και μια φράση: «Η τραγωδία των κοινών.» Η εικόνα του Garrett Hardin, ο κοινόχρηστος βοσκότοπος που εξαντλείται επειδή καθένας έχει συμφέρον να βγάλει εκεί ένα ζώο ακόμη, έχει γίνει μια εξήγηση για όλα, που κλείνει τη συζήτηση πριν ακόμη αρχίσει. Αν η ανοιχτότητα είναι καταδικασμένη να λεηλατείται, το μόνο που μένει είναι να κλείσουμε την πόρτα.

Η Mayer θυμίζει ότι η Elinor Ostrom τιμήθηκε με το Νόμπελ Οικονομικών ακριβώς επειδή έδειξε ότι η τραγωδία αυτή δεν είναι αναπόφευκτη. Τα κοινά αγαθά αντέχουν, κάποτε για αιώνες, όταν οι κοινότητες που τα χρησιμοποιούν συμμετέχουν στη διαμόρφωση των κανόνων, όταν οι κανόνες ταιριάζουν στις τοπικές συνθήκες και όταν η εμπιστοσύνη και η αμοιβαιότητα συντηρούνται με κόπο. Η τραγωδία λοιπόν είναι πρόβλημα θεσμικού σχεδιασμού, και τα προβλήματα σχεδιασμού βρίσκουν, αργά ή γρήγορα, λύσεις.

Η μετατόπιση αυτή αφορά και τον τρόπο με τον οποίο μιλάμε εμείς οι ίδιοι για το ανοιχτό. Στον δημόσιο διάλογο η διάκριση ανοιχτού και κλειστού λειτουργεί συχνά σαν να αρκεί η άδεια χρήσης για να κρίνει κανείς σε ποια πλευρά βρίσκεται ένα σύστημα. Η Mayer, ανατρέχοντας στο «παράδοξο του ανοιχτού» των Paul Keller και Alek Tarkowski, υποστηρίζει ότι η ανοιχτότητα μπορεί είτε να αμφισβητήσει την ισχύ είτε να την εδραιώσει, ανάλογα με το ποιος κυβερνά την πρόσβαση και ποιος καρπώνεται τα οφέλη. Ένα σύνολο δεδομένων με άδεια CC BY που καταλήγει να εκπαιδεύει ένα κλειστό μοντέλο είναι τυπικά ανοιχτό, η αξία του όμως συγκεντρώνεται κάπου όπου κανείς από όσους το δημιούργησαν δεν έχει λόγο. Η διάκριση ανοιχτού και κλειστού δεν χάνει έτσι την αξία της· απλώς κρίνεται στη διακυβέρνηση και όχι στο έγγραφο της άδειας.

Οι συνομιλητές της Mayer δεν σταματούν άλλωστε στη διάγνωση. Αναφέρουν το BigScience, που συγκέντρωσε πάνω από χίλιους συνεργάτες για να εκπαιδεύσει το πολυγλωσσικό μοντέλο BLOOM με ανοιχτά δεδομένα και διαφανή διακυβέρνηση, την κοινότητα Masakhane που αναπτύσσει γλωσσικές τεχνολογίες για τις αφρικανικές γλώσσες με έμφαση στη συναίνεση των γλωσσικών κοινοτήτων, καθώς και ανοιχτά, ενεργειακά πιο υπεύθυνα γλωσσικά μοντέλα στην Ελβετία και τη Νορβηγία. Κανένα δεν είναι χωρίς όρια. Το BLOOM εκπαιδεύτηκε σε δημόσιο γαλλικό υπερυπολογιστή, και όπως παρατηρεί ένας από τους συνομιλητές, ο πραγματικός θυρωρός είναι η υπολογιστική ισχύς. Το Masakhane, πάλι, εξαρτάται ακόμη από τους επεξεργαστές και τις υπηρεσίες νέφους των μεγάλων παρόχων.

Τι σημαίνει αυτό για τη δημόσια πολιτική

Αν η ανοιχτότητα είναι θεσμός που χρειάζεται σχεδιασμό, τότε το βάρος δεν μπορεί να πέφτει μόνο στον μεμονωμένο ερευνητή που αποφασίζει, μόνος του, αν θα ανεβάσει ένα σύνολο δεδομένων. Το άρθρο δεν μιλά για την Ελλάδα, δίνει όμως αρκετές ενδείξεις για το τι θα μπορούσε να κάνει μια δημόσια πολιτική που παίρνει το θέμα σοβαρά.

Η πρώτη αφορά την αθέατη δουλειά της συντήρησης. Δύο συνομιλητές της Mayer ανέφεραν ως σπάνιο θετικό παράδειγμα το γερμανικό Sovereign Tech Fund, που χρηματοδοτεί με δημόσιο χρήμα το ανοιχτό λογισμικό πάνω στο οποίο στηρίζεται, χωρίς να το βλέπουμε, ο μεγαλύτερος όγκος της ψηφιακής μας ζωής. Η πρόταση για ένα αντίστοιχο ευρωπαϊκό ταμείο βρίσκεται ήδη σε πρώτο πλάνο στην ατζέντα του Digital Commons EDIC, και η ΕΕΛΛΑΚ τη στηρίζει ακριβώς γιατί αναγνωρίζει μια απλή αλήθεια που επαναλαμβάνουν και οι ερευνητές της Mayer: η ανοιχτότητα δεν είναι δωρεάν και θέλει χρήμα, χρόνο και ανθρώπους. Από τους 27 συνομιλητές, άλλωστε, μόλις δύο είχαν στη σχολή τους εξειδικευμένο διαχειριστή δεδομένων, και αξίζει να αναρωτηθούμε πόσα ελληνικά ερευνητικά τμήματα διαθέτουν σήμερα κάτι ανάλογο.

Η δεύτερη αφορά sτην υπολογιστική ισχύ. Αν αυτή είναι ο πραγματικός θυρωρός, τότε η πρόσβαση της ελληνικής ερευνητικής κοινότητας σε δημόσιες υπολογιστικές υποδομές, εθνικές και ευρωπαϊκές, είναι προϋπόθεση για να μην καταλήξει η χώρα απλός προμηθευτής δεδομένων για μοντέλα που εκπαιδεύονται αλλού. Οι ερευνητές της Mayer το λένε με τον δικό τους τρόπο: θα δέχονταν χωρίς δισταγμό να χτίσουν πάνω στη δουλειά τους ανοιχτά και πράσινα μοντέλα, φτιαγμένα σε δημόσιες υποδομές, ενώ αντιδρούν στην ιδέα να τροφοδοτούν τον αγώνα δρόμου των hyperscalers.

Η τρίτη, και η πιο δύσκολη, είναι οι όροι αμοιβαιότητας όταν δεδομένα που παρήχθησαν με δημόσιο χρήμα επαναχρησιμοποιούνται εμπορικά. Οι συνομιλητές της Mayer προτείνουν αποθετήρια ελεγχόμενης πρόσβασης με κοινοτική διακυβέρνηση, συμβατικούς όρους για την εμπορική χρήση και υποδομές όπου όσοι συνεισφέρουν δεδομένα ορίζουν και τους όρους της επαναχρησιμοποίησής τους. Η πιο ήπια εκδοχή, να ζητείται από όποιον παίρνει τα δεδομένα να δηλώνει ποιος είναι και τι σκοπεύει να κάνει, χτίζει μια σχέση και αφήνει ένα ίχνος. Δεν δεσμεύει βέβαια όσους συλλέγουν μαζικά χωρίς να ρωτήσουν κανέναν, και κάθε αυστηρότερος περιορισμός κινδυνεύει να αποκλείσει πρώτα τους μικρούς και καλόπιστους χρήστες. Εύκολη λύση δεν υπάρχει, και είναι πιο τίμιο να το λέμε από το να παρουσιάζουμε μια άδεια χρήσης σαν θεραπεία δια πάσαν νόσον. Η αρχή πως ό,τι παράγεται με δημόσιο χρήμα πρέπει να είναι δημόσιο αγαθό παραμένει σωστή· δημόσιο αγαθό όμως δεν σημαίνει αγαθό χωρίς θεσμούς.

Ανοιχτό υπό ποιους όρους

Η απογοήτευση της ερευνήτριας με την οποία ξεκινήσαμε δεν είναι, για τη Mayer, κάποια ανωμαλία που πρέπει να διορθωθεί με καλύτερη ενημέρωση. Είναι σημάδι ότι η ανοιχτότητα, που κάποτε ήταν αντισυμβατική πρακτική και σήμερα είναι όρος χρηματοδότησης, έχασε κάπου στη διαδρομή το πολιτικό της περιεχόμενο, και η παραγωγική τεχνητή νοημοσύνη το έκανε απλώς ορατό. Η ίδια κλείνει σημειώνοντας ότι, σε έναν παγκόσμιο αγώνα για την πρωτοκαθεδρία στην ΤΝ όπου η ανοιχτότητα κινδυνεύει να υποταχθεί στην ανταγωνιστικότητα, την ταχύτητα και την κλίμακα, μόνο μια επαναπολιτικοποιημένη ανοιχτότητα μπορεί να υπερασπιστεί τους δημοκρατικούς όρους της συλλογικής γνώσης απέναντι στην εξόρυξη της αξίας της.

Για όσους πιστεύουμε στην ανοιχτή γνώση, λοιπόν, το αν θα ανοίξουμε έχει πάψει να είναι το δύσκολο ερώτημα. Δύσκολο είναι το εάν θα χτίσουμε έγκαιρα τους θεσμούς, τη χρηματοδότηση και τις δημόσιες υποδομές που θα επιτρέψουν σε όσους ανοίγουν τη δουλειά τους να συνεχίσουν να το κάνουν, χωρίς την αίσθηση ότι δουλεύουν δωρεάν για άλλους. Αν αυτοί οι θεσμοί δεν υπάρξουν, οι πιστοί θα συνεχίσουν να αμφιβάλλουν, και κάποια στιγμή θα κλείσουν και αυτοί την πόρτα, όχι επειδή άλλαξαν ιδέες αλλά επειδή κουράστηκαν να την κρατούν ανοιχτή μόνοι τους.

Πηγές

Mayer, K. (2026). AI, open science, and the extraction imperative: A situated approach to the normativities of open research data. Cambridge Forum on AI: Culture and Society, 2, e24. Ανοιχτής πρόσβασης, CC BY 4.0.
Hardin, G. (1968). The Tragedy of the Commons. Science, 162(3859), 1243–1248.
Ostrom, E. (1990). Governing the Commons: The Evolution of Institutions for Collective Action. Cambridge University Press.
Keller, P. & Tarkowski, A. (2021). Paradox of Open: Policies for the Digital Commons. Open Future.

What If AI Is Already Conscious?
by: Ευστάθιος Χατζηκυριακίδης

Most people are certain that AI has no consciousness. I leave this here so that we may think otherwise. Set the word “consciousness” aside. It has been stretched to cover everything, and so it now means nothing. What remains, and what we can actually speak of, is perception, subjective experience, and a sense of self. […]

Tεχνική συνάντηση: Ανοιχτά Τοπικά Γλωσσικά Μοντέλα- Παρασκευή 9 Οκτωβρίου 2026
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για το Ανοιχτό Λογισμικό

Σας προσκαλούμε σε εσωτερική τεχνική συνάντηση εργασίας με θέμα τα ανοιχτά γλωσσικά μοντέλα που εγκαθίστανται, προσαρμόζονται και λειτουργούν σε τοπική υποδομή.

Στόχος της συνάντησης είναι να παρουσιαστούν υλοποιήσεις που βρίσκονται ήδη σε εξέλιξη και να ανταλλαγούν τεχνικές εμπειρίες. Θα διερευνηθούν επίσης πρακτικοί τρόποι συνεργασίας ανάμεσα σε ομάδες που εργάζονται σε τοπικά LLMs, υποδομές RAG, ελληνικά σώματα κειμένων και εφαρμογές για τον δημόσιο τομέα.

Η συνάντηση απευθύνεται σε τεχνικές ομάδες που ενδιαφέρονται να αξιοποιήσουν ανοιχτά μοντέλα ΤΝ. Έμφαση δίνεται στον έλεγχο των δεδομένων, στην επαναχρησιμοποίηση της τεχνογνωσίας, στη διαφάνεια και στην αποφυγή εξάρτησης από κλειστές υποδομές.

Πότε και πού

Ημερομηνία: Παρασκευή 9 Οκτωβρίου 2026
Ώρα: 10:00 – 13:00
Τόπος: Αίθουσα Πολυμέσων, Βιβλιοθήκη ΕΜΠ, Πολυτεχνειούπολη Ζωγράφου

Πρόγραμμα

Ώρα	Θέμα
10:00 – 10:30	Καλωσόρισμα και εισαγωγή: ο στόχος της πρωτοβουλίας Open Local LLM: Παναγιώτης Σκαρβέλης, ΕΕΛΛΑΚ *Παρουσίαση της δράσης GlossAPI–Apertus:* Φοίβος Καρούνος-Ζαμπαρλούκος
10:30 – 11:30	Open Local LLM στο Χαροκόπειο Πανεπιστήμιο Αριστοτέλης Μπάλλας, Μεταδιδακτορικός ερευνητής, Τμήμα Πληροφορικής και Τηλεματικής, Χαροκόπειο Πανεπιστήμιο
11:30 – 12:30	Open Local LLM στην πράξη: η προσέγγιση της Agency Trust Νικόλαος Χρυσάκης, Αχιλλέας Μάντζιος, Ιωάννης Μαζαράκης
12:30 – 13:00	An Open infrastructure stack for multitenant LLMs through the Pharos AI Factory Ιωάννης Κωνσταντίνου – Ερευνητικός Συνεργάτης ΕΜΠ- Αναπληρωτής Καθηγητής Πανεπιστημίου Θεσσαλίας
13:00 – 13:30	Ανοιχτή τεχνική συζήτηση Κοινές ανάγκες, δυνατότητες διασύνδεσης και επόμενα βήματα

Δήλωση συμμετοχής: Οι θέσεις στην αίθουσα είναι περιορισμένες και υπάρχει η δυνατότητα online συμμετοχής. Παρακαλούμε επιβεβαιώστε τη συμμετοχή σας έως την Τετάρτη 7 Οκτωβρίου 2026.

Δηλώστε συμμετοχή

Γεφυρώνοντας το χάσμα δεξιοτήτων: πώς τα ακαδημαϊκά OSPO πρωτοστατούν μέσω της πρακτικής άσκησης στο ανοιχτό λογισμικό: Το παράδειμα των ΗΠΑ
by: ΕΛ/ΛΑΚ: Ελεύθερο Λογισμικό στην Εκπαίδευση

Η πρακτική άσκηση αποτελεί έναν από τους πιο αποτελεσματικούς δρόμους προς την αγορά εργασίας, καθώς προσφέρει στους φοιτητές επαγγελματική αξιοπιστία και εμπειρία που οι σπουδές από μόνες τους δεν μπορούν να εξασφαλίσουν. Στον χώρο της τεχνολογίας, ωστόσο, η προσφορά προγραμμάτων πρακτικής υστερεί σημαντικά της ζήτησης. Οι δομημένες ευκαιρίες είναι λίγες σε σχέση με τον αριθμό των φοιτητών που τις χρειάζονται, ενώ όσες υπάρχουν συχνά απέχουν από την καθημερινή δουλειά που θα κληθούν να κάνουν μετά την αποφοίτησή τους.

Η πρακτική άσκηση σε έργα ανοιχτού λογισμικού αποτελεί μια ιδιαίτερα ουσιαστική απάντηση σε αυτό το κενό. Σε αντίθεση με τις ακαδημαϊκές ασκήσεις που σχεδιάζονται με στόχο τη βαθμολόγηση, φέρνει τους φοιτητές σε επαφή με πραγματικό κώδικα, πραγματικούς πελάτες, πραγματικές προθεσμίες και μια ζωντανή κοινότητα συντηρητών και συνεργατών. Οι φοιτητές δεν μαθαίνουν μόνο να προγραμματίζουν· μαθαίνουν επίσης να διαχειρίζονται ένα έργο, να επικοινωνούν με τους εμπλεκόμενους, να χειρίζονται την αβεβαιότητα και να παραδίδουν κάτι που πρέπει να συνεχίσει να λειτουργεί και μετά την αποχώρησή τους. Πρόκειται, στην ουσία, για μια πραγματική πρόβα της επαγγελματικής ζωής.

Τα ακαδημαϊκά Γραφεία Ανοιχτού Λογισμικού (Open Source Program Offices – OSPOs) αναδεικνύονται στους πλέον κατάλληλους φορείς για τον σχεδιασμό και τη διαχείριση τέτοιων προγραμμάτων.

Ως κέντρα τεχνογνωσίας για την προώθηση του ανοιχτού λογισμικού, τα OSPO διαθέτουν την τεχνική αξιοπιστία, τους θεσμικούς δεσμούς και τις διασυνδέσεις με τις κοινότητες που απαιτούνται για την επιτυχή λειτουργία τέτοιων προγραμμάτων. Συνήθως αποτελούν το κεντρικό σημείο αναφοράς για τις δράσεις ανοιχτού λογισμικού ενός πανεπιστημίου και έχουν εικόνα για έργα που διαφορετικά θα έμεναν διάσπαρτα και αθέατα. Πέρα από τον ρόλο τους εντός του ιδρύματος, τα OSPO είναι εξ ορισμού εξωστρεφή: αναπτύσσουν ενεργά σχέσεις με τη βιομηχανία, τις κοινότητες ανοιχτού λογισμικού και εξωτερικούς εταίρους, σε βαθμό που ελάχιστες άλλες πανεπιστημιακές υπηρεσίες μπορούν να φτάσουν.

Το άρθρο αντλεί από μια σειρά νέων μοτίβων του CURIOSS (CURIOSS patterns), από συζητήσεις με μέλη του CURIOSS που υλοποιούν ήδη προγράμματα πρακτικής άσκησης, καθώς και από ένα CURIOSS Deep Dive. Στόχος του είναι να μεταφέρει την εμπειρία που έχει αποκτηθεί και να συγκεντρώσει όσα χρειάζεται να γνωρίζει κάθε ίδρυμα που σκοπεύει να δημιουργήσει ένα αντίστοιχο πρόγραμμα.

Σχεδιασμός του προγράμματος: από την πτυχιακή εργασία στην επαγγελματική πορεία

Πριν ένα OSPO προκηρύξει έστω και μία θέση, χρειάζεται ένα πρόγραμμα που να αξίζει να προκηρυχθεί. Τα μέλη του CURIOSS έχουν καταλήξει σε λίγα βασικά μοντέλα, καθένα από τα οποία ταιριάζει σε διαφορετικό θεσμικό πλαίσιο.

Το μοτίβο Open Source Capstone Course περιγράφει πώς ένα παραδοσιακό καταληκτικό μάθημα (capstone) πληροφορικής μπορεί να μετατραπεί σε αυθεντική εμπειρία επαγγελματικής ανάπτυξης. Στο Saint Louis University, η εξέλιξη του capstone του Open Source with SLU δείχνει παραστατικά πώς εφαρμόζεται αυτό στην πράξη. Ο διευθυντής του προγράμματος, Daniel Shown, περιέγραψε τα γνώριμα προβλήματα του αρχικού μαθήματος: οι συμμετέχοντες αντιμετωπίζονταν ως φοιτητές που γράφουν κώδικα και όχι ως επαγγελματίες, η καθοδήγηση περιοριζόταν στην εποπτεία του διδάσκοντα, τα ζητήματα ποιότητας του κώδικα επανέρχονταν διαρκώς και υποσχόμενα έργα εγκαταλείπονταν με τη λήξη του εξαμήνου.

Η λύση ήταν να αντιμετωπίζονται οι φοιτητές ως επαγγελματίες από την πρώτη μέρα: απέκτησαν πραγματικούς πελάτες με πραγματικές απαιτήσεις, ενώ η καθοδήγηση οργανώθηκε σε επίπεδα, με μεταπτυχιακούς φοιτητές σε ρόλο επικεφαλής ομάδας (Tech Leads) και εθελοντές από τη βιομηχανία.

Ο ανασχεδιασμός δεν έγινε μονομιάς, αλλά σταδιακά: αρχικά μεταπτυχιακοί ερευνητικοί βοηθοί ανέλαβαν τον ρόλο των Tech Leads, ενώ αργότερα καθιερώθηκε ειδική εκπαίδευσή τους πριν από την έναρξη του εξαμήνου. Σήμερα κάθε ομάδα οφείλει επίσης να συντάσσει στρατηγική κοινότητας και στρατηγική προϊόντος, ώστε η δουλειά της να συνεχίζεται και μετά την αποχώρηση κάθε ομάδας φοιτητών.

Το πρόγραμμα περιλαμβάνει σήμερα 23 ενεργά προϊόντα, με εκτιμώμενη αξία παραγόμενης εργασίας 500.000 δολάρια, και σε ένα μόνο εξάμηνο συμμετέχουν 62 προπτυχιακοί και 24 μεταπτυχιακοί φοιτητές.

Το μοτίβο Open Research Community Accelerator (ORCA), που αναπτύχθηκε από το VERSO OSPO του University of Vermont (UVM), προτείνει ένα συγγενικό αλλά διαφορετικό μοντέλο. Αντί για ένα ενιαίο καταληκτικό μάθημα, το ORCA συνδυάζει έμμισθη πρακτική, εθελοντική συμμετοχή και εργασία με πιστωτικές μονάδες σε μία ενιαία διαδρομή. Οι ίδιοι οι φοιτητές ορίζουν τις εργασίες και διαπραγματεύονται με τους εμπλεκόμενους φορείς, αντί να το κάνουν για λογαριασμό τους τα μέλη ΔΕΠ. Σύμφωνα με το VERSO, φοιτητές που αρχικά δεν γνώριζαν καν τι είναι το ανοιχτό λογισμικό κατέληξαν να ιδρύσουν τη δική τους φοιτητική ομάδα ανοιχτού λογισμικού. Απόφοιτοι του προγράμματος εργάζονται πλέον στις υπηρεσίες πληροφορικής του UVM και σε οργανισμούς όπου είχαν πραγματοποιήσει την πρακτική τους.

Για τα OSPO που σχεδιάζουν ένα καλοκαιρινό πρόγραμμα αντί για εξαμηνιαίο μάθημα, το μοτίβο Summer Internship Program αξιοποιεί την εμπειρία του προγράμματος Summer of Code του OSPO του Carnegie Mellon University και του Virtual Summer Internship Program (VSIP) του OSPO του Georgia Tech. Και τα δύο προγράμματα εντάσσουν τους φοιτητές σε ομάδες και όχι ως μεμονωμένους συνεργάτες. Έτσι αναπαράγεται η επικοινωνία μέσα σε μια πραγματική ομάδα ανάπτυξης λογισμικού και ελαφρύνεται ο φόρτος κάθε μέντορα. Στο CMU, μέντορες από τη Red Hat, το Eclipse Foundation και τοπικές νεοφυείς επιχειρήσεις φέρονται να ήθελαν να προσφέρουν στους περισσότερους από τους 15 συμμετέχοντες όχι μόνο νέα πρακτική άσκηση αλλά και θέσεις εργασίας μετά την αποφοίτηση.

Το OSPO του University of Texas at Austin (UT Austin) λειτουργεί ένα ειδικό πρόγραμμα αντιστοίχισης ερευνητών και φοιτητών (research matching), το οποίο συνδέει ερευνητές που χρησιμοποιούν ανοιχτό λογισμικό με περίπου 3.000 φοιτητές πληροφορικής, επιστήμης δεδομένων και επιστήμης της πληροφορίας. Το γραφείο δεν δημοσιεύει το ίδιο τις θέσεις, αλλά συνεργάζεται με το Γραφείο Σταδιοδρομίας (Career and Life Design office) του πανεπιστημίου, σε δύο κύκλους τον χρόνο (φθινόπωρο και άνοιξη), για θέσεις τόσο κατά τη διάρκεια όσο και μετά τις σπουδές. Το πρόγραμμα βασίστηκε σε ένα υπάρχον πρόγραμμα του RGK Center του πανεπιστημίου, το Connect. Από αυτό «κληρονόμησε» έτοιμη φόρμα εκδήλωσης ενδιαφέροντος, διαδικασία υποβολής βιογραφικών και πλαίσιο αξιολόγησης δεξιοτήτων, καθώς και προσωπικό ήδη εκπαιδευμένο στην αντιστοίχιση των δεξιοτήτων των φοιτητών με τις ανάγκες των έργων.

Εξασφάλιση σταθερής ροής έργων

Ένα καλά σχεδιασμένο πρόγραμμα χρειάζεται σταθερή ροή κατάλληλων έργων. Εδώ ακριβώς πολλά OSPO συναντούν το πρώτο σοβαρό όριο στις δυνατότητές τους.

Το μοτίβο Sourcing Projects for Open Source Internships προτείνει πολλές συμπληρωματικές προσεγγίσεις: ανοιχτή πρόσκληση για υποβολή προτάσεων, απευθείας επικοινωνία με μέλη ΔΕΠ και ερευνητές, ανάπτυξη εσωτερικών έργων από το ίδιο το OSPO και σταδιακή οικοδόμηση εξωτερικών συνεργασιών.

Η εμπειρία των μελών δείχνει ότι οι προσεγγίσεις αυτές αποδίδουν καλύτερα σε συνδυασμό. Το OSPO του Syracuse University αντλεί ορισμένα έργα εσωτερικά, συχνά με εντολή της διοίκησης του πανεπιστημίου, και τα υπόλοιπα μέσα από μια μόνιμα ανοιχτή πρόσκληση στον ιστότοπό του.

Το OSPO του University of Wisconsin-Madison ακολουθεί μια πιο ενεργή και επιλεκτική προσέγγιση. Παράλληλα με την επίσημη πρόσκληση, που διαχέεται μέσω λιστών ηλεκτρονικού ταχυδρομείου και ενημερωτικών δελτίων, ο διευθυντής και το προσωπικό του OSPO προβάλλουν το πρόγραμμα και άτυπα: σε εκδηλώσεις, μέσα από δίκτυα συνεργασίας και σε συναντήσεις με ερευνητές της πανεπιστημιούπολης.

Τα προγράμματα αντιστοίχισης ερευνητών και φοιτητών είναι ιδιαίτερα πολύτιμα για ερευνητικά ινστιτούτα και κέντρα που δεν ανήκουν σε κάποια συγκεκριμένη σχολή ή τμήμα. Οι μονάδες αυτές συνήθως δεν έχουν άμεση πρόσβαση σε φοιτητές, οπότε το OSPO λειτουργεί ως διαμεσολαβητής, φέρνοντάς τες σε επαφή με ασκούμενους ή μεταπτυχιακούς συνεργάτες που αλλιώς δεν θα μπορούσαν να βρουν. Έτσι, το πρόγραμμα αντλεί υποψηφίους από ολόκληρο το πανεπιστήμιο και όχι από μία μόνο σχολή. Για να αντιστοιχιστούν με φοιτητή, τα έργα πρέπει να πληρούν ορισμένες ελάχιστες προϋποθέσεις: διάρκεια τουλάχιστον ενός εξαμήνου (κατά προτίμηση ενός έτους), κατά προτίμηση χρηματοδότηση από μεγάλο δημόσιο φορέα, και πάντοτε αμειβόμενη θέση, είτε ως φοιτητική πρακτική είτε, όπου είναι εφικτό, ως πλήρως χρηματοδοτούμενη θέση μεταπτυχιακού βοηθού.

Οι εξωτερικές συνεργασίες χρειάζονται χρόνο για να ωριμάσουν, όμως όταν εδραιωθούν μπορούν να αλλάξουν τα δεδομένα. Οι θέσεις πρακτικής στην εταιρεία Open Teams προέκυψαν από μια μακρόχρονη σχέση, που χτίστηκε μέσα από τη χορηγία συνεδρίων του OSPO του George Washington University (GW OSPO), και όχι από κάποια επίσημη διαδικασία. Το GW OSPO συνεργάζεται επίσης με το Code for GovTech, ένα εξωτερικό πρόγραμμα που αναλαμβάνει το ίδιο την εξατομικευμένη αντιστοίχιση συντηρητών και ασκούμενων.

Προβολή του προγράμματος στους κατάλληλους φοιτητές

Ακόμη και το καλύτερα σχεδιασμένο πρόγραμμα, με πλούσια ροή έργων, δεν θα αποδώσει όσο μπορεί αν οι φοιτητές δεν μάθουν ποτέ για αυτό. Το μοτίβο Advertise for Open Source Interns επισημαίνει ότι κανένα κανάλι επικοινωνίας δεν φτάνει μόνο του σε όλους τους ενδιαφερόμενους φοιτητές. Τα OSPO χρειάζονται μια συνειδητή προσέγγιση με πολλά κανάλια: σαφή ιστοσελίδα του προγράμματος, αναρτήσεις στην πύλη φοιτητικών θέσεων εργασίας του πανεπιστημίου, στοχευμένα ενημερωτικά δελτία τμημάτων, απευθείας επικοινωνία με μέλη ΔΕΠ, καθώς και σχέσεις που χτίζονται σε ημέρες καριέρας, φοιτητικές ομάδες και ενημερωτικές εκδηλώσεις.

Η πρακτική των μελών του CURIOSS το επιβεβαιώνει. Το OSPO του University of Wisconsin-Madison προβάλλει το πρόγραμμα μέσω του ιστότοπού του, της πύλης θέσεων εργασίας του πανεπιστημίου, του ενημερωτικού δελτίου του Data Science Institute και άλλων δελτίων της πανεπιστημιούπολης (όπως της ιατρικής και της πολυτεχνικής σχολής). Συμμετέχει επίσης σε ημέρες καριέρας, όπου το προσωπικό συγκεντρώνει στοιχεία επικοινωνίας ενδιαφερόμενων φοιτητών πριν ακόμη ανοίξουν οι θέσεις.

Το Syracuse στηρίζεται κυρίως στο Handshake, την πλατφόρμα φοιτητικών θέσεων εργασίας του πανεπιστημίου, καθώς και στη δική του λίστα αλληλογραφίας. Ωστόσο, οι συστάσεις μετρούν εξίσου με τα επίσημα κανάλια. Όταν ένας μέντορας έχει ήδη κάποιον υποψήφιο κατά νου ή λαμβάνει θερμή σύσταση από συνάδελφο, η αξιόπιστη σύσταση συχνά οδηγεί σε καλύτερη επιλογή από μια ανοιχτή πρόσκληση.

Πιο αποτελεσματική επιλογή υποψηφίων με περιορισμένους πόρους

Η απόσταση ανάμεσα στην προσφορά και τη ζήτηση γίνεται πιο εμφανής στο στάδιο της επιλογής. Επειδή οι θέσεις πρακτικής στο ανοιχτό λογισμικό είναι λίγες σε σχέση με το ενδιαφέρον των φοιτητών, οι πιο δημοφιλείς μπορεί να συγκεντρώσουν πάνω από 100 αιτήσεις για μία μόνο θέση. Ο όγκος αυτός κατακλύζει γρήγορα μέντορες που έχουν ήδη ελάχιστο χρόνο, μοιρασμένο ανάμεσα σε έρευνα, διδασκαλία και την επίβλεψη των δικών τους φοιτητών.

Μέλη του CURIOSS παρατήρησαν ότι ορισμένοι φοιτητές σχεδόν «ζουν» στις πλατφόρμες φοιτητικών θέσεων εργασίας και κάνουν αίτηση σχεδόν σε οτιδήποτε δημοσιεύεται εκεί.

Η διάδοση αιτήσεων που συντάσσονται με τη βοήθεια τεχνητής νοημοσύνης δυσκολεύει ακόμη περισσότερο την αξιολόγηση. Τα μέλη ανέφεραν αυξανόμενο αριθμό αιτήσεων που επικαλούνται δεξιότητες ή εμπειρία οι οποίες, στη συνέντευξη ή με την έναρξη της δουλειάς, αποδεικνύονται ανύπαρκτες.

Η εμπειρία των μελών δείχνει τι σημαίνει αυτό όταν ο χρόνος πιέζει. Το GW OSPO ανακοίνωσε νέες θέσεις πρακτικής μέσω του ενημερωτικού του δελτίου, εξέτασε 70 αιτήσεις και διαβίβασε πέντε στην εταιρεία για συνέντευξη· τελικά προσλήφθηκαν δύο. Στα πρώτα βήματα του προγράμματος του UW-Madison, το γραφείο δέχτηκε 150 έως 200 αιτήσεις μέσα σε λίγες μόνο ημέρες.

Το μοτίβο Streamlining Recruitment for Open Source Internships αντιμετωπίζει ακριβώς αυτή την πρόκληση. Προτείνει δομημένες απαιτήσεις για την αίτηση, έναν αρχικό έλεγχο και σαφή κριτήρια βαθμολόγησης, που διαμορφώνονται μαζί με τους μέντορες. Στόχος είναι να διακρίνονται το πραγματικό ενδιαφέρον και η καταλληλότητα πριν ο μέντορας ανοίξει έστω και ένα βιογραφικό.

Το OSPO του UW-Madison κατάργησε το ενιαίο πεδίο όπου οι φοιτητές μπορούσαν να επιλέξουν όσα έργα ήθελαν και ζήτησε ξεχωριστή αίτηση για κάθε έργο. Η αλλαγή μείωσε τις αιτήσεις περίπου στο μισό, ενώ οι υποψήφιοι που απέμειναν ήταν σαφώς καταλληλότεροι. Το γραφείο ελέγχει επίσης τις αιτήσεις καθώς υποβάλλονται και απορρίπτει τις προφανώς ακατάλληλες (για παράδειγμα, μεταπτυχιακούς που διεκδικούν θέσεις αποκλειστικά για προπτυχιακούς).

Το OSPO του Syracuse ζητά από τους υποψηφίους να κατατάξουν τα έργα της προτίμησής τους σε μια συνοδευτική επιστολή και να αιτιολογήσουν την επιλογή τους. Στον πρώτο έλεγχο, το περιεχόμενο της αιτιολόγησης δεν εξετάζεται πάντα λεπτομερώς. Αρκεί συχνά να διαπιστωθεί αν υπάρχει καθόλου, ώστε να ξεχωρίσουν οι προσεκτικοί υποψήφιοι από όσους στέλνουν γενικόλογες ή «ανακυκλωμένες» αιτήσεις. Με αυτόν τον τρόπο απορρίπτεται από το ένα τρίτο έως το μισό των αιτήσεων πριν καν εμπλακεί μέντορας.

Για να διαχειριστεί τον όγκο των αιτήσεων και να εντοπίσει όσες έχουν γραφτεί με τεχνητή νοημοσύνη, το OSPO του UT Austin χρησιμοποιεί μια δοκιμασία δεξιοτήτων διάρκειας μίας ώρας. Η ίδια φόρμα συγκεντρώνει και τα στοιχεία που χρειάζονται για τον έλεγχο επιλεξιμότητας, καθώς και για τις συνέπειες σε δίδακτρα και βίζα για τους διεθνείς φοιτητές. Το ζήτημα αυτό προκαλεί σημαντική διοικητική πολυπλοκότητα, δεδομένου ότι οι δομές διδάκτρων στις μεταπτυχιακές σπουδές στις ΗΠΑ διαφέρουν σημαντικά.

Το GW OSPO επισήμανε ότι το Code for GovTech ζητά από τους υποψηφίους πλήρες σχέδιο υλοποίησης και χρονοδιάγραμμα του έργου. Η αυστηρή αυτή απαίτηση από την αρχή προσελκύει υποψηφίους με ισχυρό κίνητρο και μεγάλη διεθνή ποικιλομορφία.

Τα μέλη βασίζονται επίσης όλο και περισσότερο σε δομημένες συνεντεύξεις, σε τεχνικές ερωτήσεις που αποκαλύπτουν την επιφανειακή γνώση και, όπου το επιτρέπει ο χρόνος των μεντόρων, σε δεύτερο συνεντευκτή. Έτσι βελτιώνεται τόσο η ποιότητα όσο και η συνέπεια των αποφάσεων.

Ο βαθμός συμμετοχής του OSPO στις συνεντεύξεις διαφέρει. Στο Syracuse, το OSPO συμμετέχει άμεσα στην προεπιλογή και διενεργεί κοινές συνεντεύξεις με τους μέντορες. Στο UW-Madison, αντίθετα, οι μέντορες κάνουν συνήθως μόνοι τους τις συνεντεύξεις και το προσωπικό του OSPO παρεμβαίνει μόνο όταν το πρόγραμμα κάποιου μέντορα δεν επιτρέπει έγκαιρη αξιολόγηση.

Πολλά μέλη τόνισαν ότι η συνεπής και έγκαιρη ενημέρωση όλων των υποψηφίων, επιτυχόντων και μη, είναι μια μικρή επένδυση που αποδίδει. Ακόμη και ένα σύντομο, ημιαυτοματοποιημένο μήνυμα προς όσους δεν επιλέχθηκαν είναι πολύ προτιμότερο από το να κλείνει απλώς η θέση χωρίς ενημέρωση. Στη δεύτερη περίπτωση, όπως σημείωσαν, ακολουθεί μια συνεχής ροή μηνυμάτων με ερωτήσεις για την πορεία των αιτήσεων.

Ένταξη: από την εγγραφή στην ουσιαστική συμβολή

Η επιλογή των κατάλληλων φοιτητών είναι μόνο η μισή πρόκληση. Μόλις επιλεγούν, πρέπει να γίνουν γρήγορα παραγωγικοί, μέσα σε ένα αυστηρό και συχνά σύντομο χρονικό πλαίσιο.

Το μοτίβο Onboarding Students for Open Source Internship Programs προτείνει προετοιμασία πριν από την έναρξη του προγράμματος, μια οργανωμένη περίοδο ένταξης που καλύπτει τόσο τα εργαλεία όσο και τους κανόνες επαγγελματικής συμπεριφοράς, γνωριμία με το έργο και την ομάδα, καθώς και σαφές υλικό αναφοράς, ώστε οι φοιτητές να μην απευθύνονται στο προσωπικό για κάθε απλή απορία.

Ο τρόπος με τον οποίο το Open Source with SLU συγκροτεί τις ομάδες είναι χαρακτηριστικός. Την πρώτη ημέρα του μαθήματος οργανώνεται μια εκδήλωση που σκόπιμα θυμίζει ημέρα καριέρας: οι Tech Leads παρουσιάζουν τα έργα τους και οι φοιτητές ουσιαστικά δίνουν συνέντευξη για να ενταχθούν σε μια ομάδα.

Έτσι διαμορφώνεται από την αρχή ένα επαγγελματικό κλίμα, και οι φοιτητές αποκτούν πραγματικό λόγο στην επιλογή μιας δουλειάς που ταιριάζει στα ενδιαφέροντα και τις δεξιότητές τους, αντί να τους ανατίθεται απλώς.

Το μοτίβο ORCA δείχνει πώς μοιάζει η ένταξη όταν είναι πλήρως τεκμηριωμένη και δημόσια διαθέσιμη. Το ORCA onboarding wiki του VERSO ξεκινά από τις αναγκαίες, αν και λιγότερο ελκυστικές, διοικητικές διαδικασίες που πρέπει να ολοκληρωθούν πριν ένας φοιτητής γίνει παραγωγικός: από τη δημιουργία λογαριασμού στο GitHub και το αίτημα πρόσβασης στον οργανισμό, μέχρι την εγγραφή στο σύστημα μισθοδοσίας του πανεπιστημίου.

Επιπλέον, το ORCA κατανέμει την ένταξη στις τέσσερις πρώτες εβδομάδες και τη συνδέει άμεσα με τον κύκλο εργασίας σε sprints. Κάθε εβδομάδα περιλαμβάνει ένα σύντομο εκπαιδευτικό υλικό και ένα σύντομο γραπτό αναστοχασμό προς τον διευθυντή του προγράμματος, μαζί με συγκεκριμένα ορόσημα για την ομάδα: τις πρώτες συναντήσεις σχεδιασμού και ανασκόπησης sprint και την πρώτη δια ζώσης συνάντηση κοινής εργασίας. Η ένταξη και η παραγωγική εργασία δεν διαδέχονται η μία την άλλη· εξελίσσονται παράλληλα από την πρώτη ημέρα. Το ευρύτερο ORCA wiki παρουσιάζει δημόσια τη δομή των «Pods» (φοιτητικές ομάδες τεσσάρων έως πέντε ατόμων), τον τρόπο αξιολόγησης της απόδοσης και το σύνολο των πολιτικών του προγράμματος.

Και οι μεταπτυχιακοί φοιτητές που αναλαμβάνουν ρόλο Tech Lead χρειάζονται τη δική τους προετοιμασία. Σε αυτό ακριβώς εστιάζει το μοτίβο Onboarding Graduate Leads for Open Source Internship Programs. Το καλοκαιρινό εργαστήριο Building Open Leadership Toolsets (BOLT) του Open Source with SLU δίνει στους νέους Leads τον χρόνο να γνωρίσουν σε βάθος τον κώδικα και να αρχίσουν τον σχεδιασμό πριν από την πρώτη ημέρα των μαθημάτων. Έτσι, με την έναρξη του εξαμήνου, μπορούν να εντάξουν αμέσως τις ομάδες τους, αντί να αφιερώνουν τις πρώτες εβδομάδες στον δικό τους προσανατολισμό.

Το ORCA του VERSO αντιμετωπίζει τη μετάβαση σε ρόλο επικεφαλής ως κάτι που απαιτεί ξεχωριστή υποστήριξη και δεν προκύπτει αυτονόητα από τη γενική εισαγωγή στο πρόγραμμα. Το υλικό ένταξης για επικεφαλής ομάδων περιγράφει μια σειρά συγκεκριμένων δραστηριοτήτων που βοηθούν τους νέους Leads να προσαρμοστούν: να γνωρίσουν τα δυνατά σημεία, τα κίνητρα και τις ανάγκες κάθε μέλους, να θέσουν στόχους, να σχεδιάσουν και να ορίσουν χρονοδιαγράμματα, να αναθέτουν εργασίες, να παρακολουθούν την πρόοδο δίνοντας ανατροφοδότηση και να γιορτάζουν συνειδητά τις επιτυχίες της ομάδας, ώστε να διατηρούνται η δυναμική και το ηθικό. Η καθοδήγηση αυτή συνοδεύεται από ευρύτερη στήριξη στη διαχείριση των σχέσεων με τους εμπλεκόμενους φορείς και στις ιδιαίτερες προκλήσεις έργων που μετατρέπουν ερευνητικά αποτελέσματα σε ανοιχτό λογισμικό.

Όπως περιγράφεται στο ίδιο το μοτίβο, ένα από τα σημαντικότερα διδάγματα του προγράμματος είναι ότι οι Leads μαθαίνουν εξίσου από τους ομολόγους τους όσο και από το επίσημο υλικό. Ένας χώρος όπου μοιράζονται δυσκολίες και ανταλλάσσουν εμπειρίες δημιουργεί μια κοινότητα πρακτικής που ενισχύει ολόκληρο το πρόγραμμα, και όχι μόνο τον επικεφαλής μιας ομάδας.

Ένα ελαφρύ μοντέλο καθοδήγησης

Η επαφή με επαγγελματίες του χώρου είναι εξαιρετικά ωφέλιμη για τους φοιτητές, όμως λίγα OSPO διαθέτουν το προσωπικό για να διαχειριστούν πολλούς μέντορες με επίσημη και απαιτητική δέσμευση. Το μοτίβο Industry Fellows: A Light-Touch Volunteer Model προτείνει μια λύση που μπορεί να εφαρμοστεί σε μεγάλη κλίμακα.

Το πρόγραμμα Industry Fellows του Open Source with SLU ζητά μια πραγματικά ελάχιστη δέσμευση: οι μέντορες να είναι μέλη του χώρου του προγράμματος στο Slack και να παρευρίσκονται σε δύο εκδηλώσεις ανά εξάμηνο. Οτιδήποτε επιπλέον, όπως αξιολόγηση κώδικα, συμμετοχή στο κανάλι μιας ομάδας ή άμεση καθοδήγηση φοιτητών, γίνεται με δική τους πρωτοβουλία. Παρότι δεν αμείβονται, οι Fellows εντάσσονται στο πανεπιστήμιο ως έκτακτο προσωπικό. Αυτό τους παρέχει ορισμένα πρακτικά οφέλη (πανεπιστημιακό email, πρόσβαση στη βιβλιοθήκη και σε χώρους εργασίας) και προϋποθέτει έλεγχο ιστορικού, εξασφαλίζοντας μια ουσιαστική και επίσημη σχέση με το ίδρυμα. Το μοντέλο αποδείχθηκε ιδιαίτερα αποτελεσματικό στην προσέλκυση πολυάσχολων επαγγελματιών, που πιθανότατα θα αποθαρρύνονταν από μια πιο βαριά και τυπική δέσμευση.

Ολιστική αξιολόγηση για πραγματική δουλειά

Η βαθμολόγηση των φοιτητών στην πρακτική άσκηση ανοιχτού λογισμικού είναι πραγματικά δύσκολη. Τα έργα διαφέρουν πολύ ως προς το εύρος και την πολυπλοκότητα, ενώ η αποκλειστική εστίαση στο τεχνικό αποτέλεσμα υποτιμά τις δεξιότητες συνεργασίας και επικοινωνίας, που είναι εξίσου κεντρικές στην επαγγελματική πρακτική του ανοιχτού λογισμικού.

Το μοτίβο Assessing Students on Open Source Internship Programs προτείνει μια ολιστική προσέγγιση, βασισμένη σε τεκμήρια από πολλές πηγές, που αποτυπώνει την τεχνική, συνεργατική και επικοινωνιακή συμβολή κάθε φοιτητή, και όχι μόνο έναν βαθμό.

Το VSIP του Georgia Tech αναγνωρίζει ότι δεν θα ολοκληρωθεί κάθε έργο μέσα στη διάρκεια της πρακτικής και δίνει προτεραιότητα στην εξοικείωση με τις πρακτικές του ανοιχτού λογισμικού, αντί για αυστηρούς δείκτες ολοκλήρωσης. Το πρόγραμμα εξετάζει επίσης τη δημιουργία ενός συστήματος ψηφιακών διακριτικών (micro-badges) για την αναγνώριση και την ανάδειξη των επιτευγμάτων των φοιτητών.

Στο OSPO του Carnegie Mellon University, το Summer of Code στηρίχθηκε σε ένα διαφορετικό αλλά συμπληρωματικό τεκμήριο: τις αξιολογήσεις των μεντόρων από εταίρους της βιομηχανίας, όπως η Red Hat, το Eclipse Foundation και νεοφυείς επιχειρήσεις του Πίτσμπουργκ. Η ποιότητα της δουλειάς των φοιτητών φάνηκε από την προθυμία των μεντόρων να τους προσφέρουν όχι μόνο νέα πρακτική άσκηση αλλά και θέσεις πλήρους απασχόλησης μετά την αποφοίτηση. Πρόκειται για μια ισχυρή επιβεβαίωση από την αγορά εργασίας, που καμία τυπική διαδικασία αξιολόγησης δεν θα μπορούσε να αποτυπώσει από μόνη της.

Η πρακτική του Open Source with SLU ακολουθεί πιστά την ολιστική λογική του μοτίβου. Οι εργασίες, τα ενδιάμεσα σημεία ελέγχου και οι προθεσμίες αποτελούν τεκμήρια για μια συνολική κρίση της εξέλιξης κάθε φοιτητή και δεν μετατρέπονται μηχανικά σε βαθμό. Η ομάδα και ο πελάτης δίνουν ανατροφοδότηση για κάθε μέλος. Σημαντικό ρόλο παίζουν και οι παρατηρήσεις για τη συμμετοχή των φοιτητών στο Slack, τη στάση τους στις συναντήσεις και την ανταπόκρισή τους προς συναδέλφους και πελάτες. Ένα πρόσθετο 10% επιβραβεύει την επαγγελματική αριστεία πέρα από τα βασικά, για παράδειγμα παρουσιάσεις σε συνέδρια ή ουσιαστικές συνεισφορές σε μεγάλα έργα ανοιχτού λογισμικού.

Το ORCA του VERSO σχεδιάζει την αξιολόγηση λαμβάνοντας ρητά υπόψη την ποικιλία των έργων και τις διαφορετικές απαιτήσεις ένταξης, μάθησης και συνεισφοράς του καθενός. Όπως και το πρόγραμμα του Georgia Tech, αναγνωρίζει ότι η ολοκλήρωση ενός έργου μπορεί απλώς να μην είναι εφικτή μέσα στη διάρκεια του προγράμματος. Η αξιολόγηση στηρίζεται σε εξίσου ευρύ φάσμα τεκμηρίων: ανατροφοδότηση από πελάτες και εμπλεκόμενους φορείς, αξιολογήσεις μεντόρων, ημερολόγια μάθησης, αυτοαξιολόγηση και, για τις ομάδες, αξιολόγηση 360 μοιρών.

Σχεδιασμός με ορίζοντα τη συνέχεια και τη βιωσιμότητα

Ένας κίνδυνος που επανέρχεται σε κάθε μοντέλο πρακτικής άσκησης στο ανοιχτό λογισμικό είναι ο κώδικας να μην επιβιώνει μετά το τέλος του εξαμήνου. Οι ομάδες φοιτητών αλλάζουν από τη φύση τους, και ακόμη και τα πιο υποσχόμενα έργα κινδυνεύουν να εγκαταλειφθούν μόλις ολοκληρωθεί ένα μάθημα ή λήξει μια σύμβαση.

Το μοτίβο Open Research Community Accelerator (ORCA) κατονομάζει ευθέως το πρόβλημα: μεγάλο μέρος του ερευνητικού λογισμικού είναι ανοιχτό «μόνο κατ’ όνομα» και εγκαταλείπεται μετά την πρώτη του δημοσίευση. Ο λόγος είναι ότι οι μηχανισμοί χρηματοδότησης της έρευνας και τα κίνητρα των μελών ΔΕΠ σπάνια ανταμείβουν τη συνεχή συντήρηση που κρατά ένα έργο ζωντανό. Αν το ζήτημα δεν αντιμετωπιστεί, η συνεχής εναλλαγή υπονομεύει την ανανέωση έμπειρων συνεργατών και συντηρητών, από την οποία εξαρτώνται τα έργα ανοιχτού λογισμικού.

Το μοτίβο Open Source Capstone Course απαντά με μια εννοιολογική διάκριση, ίσως την πιο σημαντική στην εξέλιξη του Open Source with SLU: τη διάκριση ανάμεσα στο προϊόν (product) και το έργο (project).

Το προϊόν είναι το μακροπρόθεσμο όραμα: κάτι που χτίζεται σταδιακά για μια ευρύτερη κοινότητα. Τα έργα είναι οι βραχυπρόθεσμες εκδοχές, εξάμηνο προς εξάμηνο, που προωθούν αυτό το όραμα. Από αυτή την οπτική, μια ομάδα δεν ολοκληρώνει απλώς μια εργασία μαθήματος· προσθέτει ένα κομμάτι σε κάτι που προορίζεται να διαρκέσει περισσότερο από τη δική της συμμετοχή.

Για να γίνει η συνέχεια πραγματικότητα και όχι απλή πρόθεση, οι Tech Leads συντάσσουν στο τέλος κάθε κύκλου δύο έγγραφα παράδοσης: μια στρατηγική κοινότητας και μια στρατηγική προϊόντος. Με αυτή τη δομημένη τεκμηρίωση, ο επόμενος Tech Lead μπορεί να συνεχίσει γνωρίζοντας όλο το πλαίσιο. Η αξία όμως δεν βρίσκεται μόνο στο τελικό κείμενο. Η ίδια η σύνταξή του είναι η διαδικασία μέσα από την οποία κατανοείται σε βάθος τι πρέπει να ακολουθήσει.

Με την ίδια λογική σχεδιάζονται και οι καθημερινές πρακτικές τεκμηρίωσης. Στο Open Source with SLU, το Slack θεωρείται εφήμερο μέσο, ενώ τα GitHub issues και τα σχόλια στα pull requests αποτελούν το μόνιμο αρχείο τόσο της δουλειάς όσο και του σκεπτικού της. Οι φοιτητές καθοδηγούνται ρητά να κατανοήσουν αυτή τη διάκριση, καθώς περνούν από τη νοοτροπία του φοιτητή σε εκείνη του επαγγελματία συντηρητή.

Το μοτίβο Industry Fellows: A Light-Touch Volunteer Model ενισχύει αυτή τη λογική σε επίπεδο κοινότητας. Τα κανάλια Slack κάθε προϊόντος παραμένουν δημόσια και ενεργά και μετά το τέλος του εξαμήνου. Έτσι η γνώση περνά από τη μία γενιά φοιτητών στην επόμενη, και οι νέοι μέντορες έχουν έναν χώρο για να παραμένουν κοντά στα έργα που τους ενδιαφέρουν.

Τίποτα από αυτά δεν εγγυάται ότι θα δημιουργηθεί αυτόματα μια ενεργή κοινότητα χρηστών και συνεργατών. Ακόμη και με τις καλύτερες προθέσεις, μια κοινότητα δεν χτίζεται από τη μια μέρα στην άλλη. Ο σχεδιασμός με γνώμονα την κοινότητα από την αρχή, μέσα από δημόσια αποθετήρια, μόνιμα κανάλια επικοινωνίας και ρητές στρατηγικές κοινότητας, δεν λύνει από μόνος του το πρόβλημα. Δημιουργεί όμως τις προϋποθέσεις για να αναπτυχθεί κάποτε μια κοινότητα, αντί να «κλείνει η πόρτα» στο τέλος κάθε κύκλου πρακτικής.

Πρόσφατα, το Open Source with SLU άρχισε να υποστηρίζει και προϊόντα χωρίς πελάτη, που αναπτύσσονται από την κοινότητα για να καλύψουν μια πραγματική ανάγκη του ευρύτερου οικοσυστήματος ανοιχτού λογισμικού.

Η συνέχεια ανάμεσα στις διαδοχικές ομάδες φοιτητών δεν είναι μόνο ζήτημα τεκμηρίωσης· είναι και ζήτημα ανθρώπων. Το μοτίβο Onboarding Graduate Leads for Open Source Internship Programs σημειώνει ότι, όταν οι Tech Leads έχουν χώρο να μαθαίνουν ο ένας από τον άλλον και όχι μόνο από το επίσημο υλικό, διαμορφώνεται μια κοινότητα πρακτικής που ενισχύει διαχρονικά το πρόγραμμα. Συνολικά, οι πρακτικές αυτές εκφράζουν μια απλή αλλά συχνά παραμελημένη αρχή: η βιωσιμότητα ενός φοιτητικού προγράμματος ανοιχτού λογισμικού πρέπει να σχεδιάζεται από την αρχή. Δεν μπορεί να εναπόκειται στην ομάδα που θα τύχει να βρίσκεται εκεί όταν τελειώσει η χρηματοδότηση.

Χρηματοδότηση: πώς ένα πρόγραμμα επιβιώνει μετά την πρώτη επιχορήγηση

Πίσω από όλη αυτή τη δουλειά σχεδιασμού και υλοποίησης παραμένει ένα επίμονο πρακτικό ερώτημα: ποιος χρηματοδοτεί ένα πρόγραμμα πρακτικής άσκησης, και για πόσο;

Οι στρατηγικές των μελών ποικίλλουν και στις περισσότερες περιπτώσεις βρίσκονται ακόμη σε εξέλιξη. Το OSPO του University of Wisconsin-Madison διεύρυνε τις πηγές χρηματοδότησής του: εξασφάλισε σταθερή συνεισφορά από την AmFam Insurance, εταίρο του Data Science Institute, καθώς και πόρους από το τμήμα στο οποίο υπάγεται, συνδεδεμένους με μια πρωτοβουλία του πανεπιστημίου για την έρευνα στην τεχνητή νοημοσύνη.

Τα OSPO εντάσσουν επίσης τη χρηματοδότηση ασκούμενων απευθείας σε προτάσεις ερευνητικών έργων. Συνεργάζονται με μέντορες που διεκδικούν υποέργα (sub-awards) ειδικά για τη στήριξη ασκούμενων, στο πλαίσιο των δικών τους αιτήσεων χρηματοδότησης.

Τα μέλη του CURIOSS ανέδειξαν και μια ακόμη, συχνά παραγνωρισμένη, πλευρά του ζητήματος: η χρηματοδότηση πρέπει να καλύπτει όχι μόνο τους ασκούμενους, αλλά και τον χρόνο που αφιερώνει το προσωπικό του OSPO στη διαχείριση του προγράμματος. Οι εξωτερικοί εταίροι είναι συχνά πρόθυμοι να καλύψουν την αμοιβή ενός ασκούμενου, όχι όμως και το έργο συντονισμού που την πλαισιώνει. Έτσι, τα OSPO καλούνται να βρουν άλλους τρόπους για να καλύψουν αυτό το κόστος. Το UW-Madison, για παράδειγμα, προβλέπει στις προτάσεις χρηματοδότησης ξεχωριστό κονδύλι αποκλειστικά για τον χρόνο του προσωπικού.

Το αποτέλεσμα: πραγματικές επαγγελματικές προοπτικές, όχι μόνο πιστωτικές μονάδες

Η λειτουργία προγραμμάτων πρακτικής άσκησης στο ανοιχτό λογισμικό απαιτεί σημαντική προσπάθεια. Τα μέλη, ωστόσο, ήταν κατηγορηματικά: το όφελος για τους φοιτητές είναι πραγματικό και μετρήσιμο.

Στο OSPO του UT Austin, η υποστήριξη της σταδιοδρομίας συνεχίζεται και μετά το τέλος του προγράμματος. Οι φοιτητές συμμετέχουν δύο φορές τον χρόνο σε ημέρες καριέρας «Open to Work», που περιλαμβάνουν οργανωμένη προετοιμασία για συνεντεύξεις, προσομοίωση τεχνικής συνέντευξης σε συνεργασία με τη Microsoft και βοήθεια στη σύνταξη βιογραφικού.

Γενικότερα, τα μέλη παρατήρησαν ότι οι υπεύθυνοι προσλήψεων ενδιαφέρονται σταθερά για υποψηφίους που έχουν πραγματική, ορατή συνεισφορά σε ανοιχτό λογισμικό: δουλειά που μπορούν να δείξουν, και όχι απλώς να περιγράψουν.

Το OSPO του UW-Madison ανέφερε ότι ένας από τους πρώτους ασκούμενούς του, όταν αργότερα έκανε αίτηση για εργασία στην AmFam Insurance, αναγνωρίστηκε από το σύστημα προσλήψεων της εταιρείας ως πρώην ασκούμενος του OSPO. Η AmFam επικοινώνησε τότε απευθείας με τον διευθυντή του προγράμματος.

Ανάλογη είναι και η εμπειρία του GW OSPO. Μέντορες από καθιερωμένους οργανισμούς ανοιχτού λογισμικού πρόσφεραν στους φοιτητές όχι μόνο πρακτική άσκηση αλλά και θέσεις πλήρους απασχόλησης, μια επιβεβαίωση από την αγορά εργασίας που καμία τυπική αξιολόγηση δεν μπορεί να υποκαταστήσει.

Συμπεράσματα

Η διαχείριση ενός προγράμματος πρακτικής άσκησης στο ανοιχτό λογισμικό είναι διοικητικά απαιτητική. Προϋποθέτει τον σχεδιασμό ενός προγράμματος που ισορροπεί ανάμεσα στην ακαδημαϊκή δομή και την επαγγελματική αυθεντικότητα· τη δημιουργία και διατήρηση μιας σταθερής ροής κατάλληλων έργων· τη στοχευμένη προβολή, ώστε το πρόγραμμα να φτάνει στους σωστούς φοιτητές χωρίς να κατακλύζονται οι μέντορες από ακατάλληλες αιτήσεις· την ένταξη φοιτητών και μεταπτυχιακών επικεφαλής σε στενά χρονικά περιθώρια· και την εξεύρεση ενός βιώσιμου μοντέλου χρηματοδότησης που να μην εξαρτάται από μία μόνο επιχορήγηση.

Τα μέλη του CURIOSS που αναλαμβάνουν αυτό το έργο, ωστόσο, δεν έχουν καμία αμφιβολία για τη σημασία του. Σε μια εποχή όπου οι θέσεις πρακτικής στην τεχνολογία δεν επαρκούν για τη φοιτητική ζήτηση και οι αιτήσεις που γράφονται με τεχνητή νοημοσύνη κάνουν πιο δύσκολο από ποτέ να ξεχωρίσει η πραγματική ικανότητα από ένα καλογραμμένο βιογραφικό, η πρακτική άσκηση στο ανοιχτό λογισμικό προσφέρει κάτι που καμία προσομοίωση στο πλαίσιο ενός μαθήματος δεν μπορεί: πραγματικό κώδικα, πραγματικό πελάτη, πραγματική κοινότητα, και ένα σώμα ορατής και επαληθεύσιμης δουλειάς που συνοδεύει τον φοιτητή πολύ μετά την αποφοίτησή του.

Χάρη στη θέση τους στο σημείο όπου συναντώνται μέλη ΔΕΠ, φοιτητές, βιομηχανία και η ευρύτερη κοινότητα ανοιχτού λογισμικού, τα πανεπιστημιακά OSPO είναι ιδανικά τοποθετημένα για να δημιουργούν ευκαιρίες πρακτικής άσκησης και, τελικά, απασχόλησης για τους φοιτητές.

Όπως δείχνει η αυξανόμενη συλλογή μοτίβων του CURIOSS, ακριβώς αυτή η θέση τα καθιστά τόσο αποτελεσματικά στη γεφύρωση του κενού στην πρακτική άσκηση.

Πηγή άρθρου: https://curioss.org/

Νέα από τον πλανήτη…planet.ellak.gr: Wiki Loves Monuments 2026: Φωτογραφίζουμε την πολιτιστική μας κληρονομιά
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για το Ανοιχτό Περιεχόμενο

by: Wikimedia Greece

Ξεκινά την 1η Οκτωβρίου 2026 ο διεθνής φωτογραφικός διαγωνισμός Wiki Loves Monuments, ο οποίος πραγματοποιείται και στην Ελλάδα από το 2016, προσκαλώντας όλους να φωτογραφίσουν μνημεία πολιτιστικής κληρονομιάς και να μοιραστούν τις εικόνες τους με όλο τον κόσμο.

Η φετινή διοργάνωση διαρκεί από την 1η έως και την 31η Οκτωβρίου 2026. Διαβάστε περισσότερα για το πώς μπορεί κάποιος να πάρει μέρος, τους κανόνες, μάθετε για τα βραβεία, λύστε τις απορίες σας, δείτε τις διαγωνιστικές τοποθεσίες και τον κωδικό τους στον κατάλογο μνημείων και τόπων και ανεβάστε φωτογραφίες από μνημεία, κτίρια, και τόπους της πολιτιστικής μας κληρονομιάς.

Το Wiki Loves Monuments είναι ένας διεθνής διαγωνισμός φωτογραφίας με επίκεντρο τα μνημεία πολιτιστικής κληρονομιάς. Διοργανώνεται από παραρτήματα και ομάδες χρηστών του Wikimedia και έχει εξελιχθεί σε μια παγκόσμια δράση που συνδέει τη φωτογραφία με την ελεύθερη γνώση.

Το Wiki Loves Monuments απευθύνεται σε όλους: από τους αναγνώστες και χρήστες της Wikipedia μέχρι επαγγελματίες φωτογράφους και λάτρεις της φωτογραφίας. Οι συμμετέχοντες φωτογραφίζουν ιστορικά μνημεία και άλλους χώρους πολιτιστικής κληρονομιάς και ανεβάζουν τις φωτογραφίες τους στα Wikimedia Commons. Οι εικόνες που συγκεντρώνονται εκεί μπορούν στη συνέχεια να χρησιμοποιηθούν ελεύθερα στη Wikipedia και σε άλλες εφαρμογές της ελεύθερης γνώσης, συμβάλλοντας στην καλύτερη τεκμηρίωση και προβολή της πολιτιστικής κληρονομιάς.

Δεν χρειάζεται κάποιος να είναι επαγγελματίας για να πάρει μέρος. Αρκεί μια φωτογραφική μηχανή ή ένα κινητό τηλέφωνο, διάθεση για εξερεύνηση και η επιθυμία να απαθανατίσει ένα κομμάτι της πολιτιστικής κληρονομιάς και να το μοιραστεί με την παγκόσμια κοινότητα. Μέσα από τη συμμετοχή τους, οι φωτογράφοι συμβάλλουν στη δημιουργία μιας μεγάλης, ελεύθερα προσβάσιμης συλλογής εικόνων που μπορεί να αξιοποιηθεί από τη Wikipedia, εκπαιδευτικούς, ερευνητές, δημιουργούς και το ευρύ κοινό.

Το Wiki Loves Monuments στην Ελλάδα πραγματοποιείται υπό την επίβλεψη του Wikimedia Community User Group Greece.

Η φετινή διοργάνωση αποτελεί μια ακόμη ευκαιρία να γνωρίσουμε καλύτερα τα μνημεία και τους ιστορικούς τόπους της χώρας, να τα φωτογραφίσουμε και να συμβάλουμε στην ψηφιακή καταγραφή και ανάδειξη της πολιτιστικής μας κληρονομιάς.

Πηγή άρθρου: https://planet.ellak.gr/ , https://blog.wikimedia.gr

Wiki Loves Monuments 2026: Φωτογραφίζουμε την πολιτιστική μας κληρονομιά
by: Wikimedia Greece

Το Wiki Loves Monuments στην Ελλάδα πραγματοποιείται υπό την επίβλεψη του Wikimedia Community User Group Greece.

Κυκλοφόρησε το newsletter Σεπτεμβρίου του ellak.gr
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για το Ανοιχτό Λογισμικό

Διαβάστε στο newsletter Σεπτεμβρίου https://newsletters.ellak.gr/archives/2609/ πάνω από 60 άρθρα για:

– την Τεχνητή Νοημοσύνη
– το ελεύθερο λογισμικό
– τα ψηφιακά δικαιώματα
– τις πρωτοβουλίες για τον ανοιχτό κώδικα στην ΕΕ
– την προστασία της ιδιωτικότητας
– τα ανοιχτά δεδομένα και την ανοιχτή διακυβέρνηση
– τα πνευματικά δικαιώματα
– τις ανοιχτές τεχνολογίες στην εκπαίδευση

Εάν θέλεις να λαμβάνεις κάθε μήνα το ενημερωτικό δελτίο για τις Ανοιχτές Τεχνολογίες καταχώρησε εδώ (https://newsletters.ellak.gr/?p=subscribe&id=) το email σου. Το ενημερωτικό δελτίο στέλνεται κάθε μήνα σε πάνω από 60.000 παραλήπτες.

Διαβάστε το newsletter Σεπτεμβρίου στο https://newsletters.ellak.gr/archives/2609/

Δείτε παρακάτω μερικά από τα άρθρα του μήνα

Τέσσερις μήνες Argilla: 32.869 αξιολογήσεις για την ελληνική ΤΝ και συνεχίζουμε. Κάλεσμα για συμμετοχή

Κάθε άτομο με καλή γνώση της ελληνικής μπορούν να συμμετάσχει. Δεν απαιτείται τεχνική εξειδίκευση. Απαιτείται προσοχή, γλωσσική ευαισθησία και η ικανότητα να ξεχωρίζει κανείς το τεκμηριωμένο από το απλώς πειστικό. Μέσα σε λίγους μήνες, η κοινότητα του Argilla έδειξε ότι η ανάπτυξη της ελληνικής ΤΝ δεν είναι απλώς μια κλειστή υπόθεση εργαστηρίων και υπολογιστικής ισχύος. Είναι και μια συλλογική άσκηση ανάγνωσης, κρίσης και επιμέλειας. Οι 32.869 αξιολογήσεις είναι μόνο η αρχή. Είναι το σημείο όπου αρχίζει να διαφαίνεται τι μπορεί να επιτευχθεί όταν η τεχνολογία συναντά τη συλλογική γνώση. Οι εγγραφές για νέους αξιολογητές γίνονται μέσω της φόρμας συμμετοχής της ΕΕΛΛΑΚ: https://opensource.ellak.gr/register-argilla-glossapi-gr/

FOSSCOMM 2026: Κάλεσμα για Παρουσιάσεις

19ο Πανελλήνιο Συνέδριο Κοινοτήτων Ελεύθερου Λογισμικού και Λογισμικού Ανοιχτού Κώδικα

31 Οκτωβρίου – 1 Νοεμβρίου 2026 · Σάββατο & Κυριακή, 09:00

Πανεπιστήμιο Δυτικής Αττικής, Αιγάλεω

https://2026.fosscomm.gr H FOSSCOMM είναι το ετήσιο πανελλήνιο συνέδριο των κοινοτήτων Ελεύθερου Λογισμικού και Λογισμικού Ανοιχτού Κώδικα. Διοργανώνεται από το 2008, εξ ολοκλήρου από εθελοντές, με ελεύθερη είσοδο για όλους. Δεν είναι ένα συνέδριο με branded παρουσιάσεις και εταιρικά keynotes — είναι μια συνάντηση ανθρώπων και κοινοτήτων που φτιάχνουν, χρησιμοποιούν και μοιράζονται ανοιχτή τεχνολογία. . Η οργανωτική επιτροπή του FOSSCOMM 2026 σας καλεί να υποβάλετε πρόταση για ομιλία, εργαστήριο ή booth.

Δέκα χρόνια Nextcloud: Η ΕΕΛΛΑΚ στο Nextcloud Community Conference 2026, Βερολίνο

Στις 19 και 20 Σεπτεμβρίου 2026, στο CIC Berlin, πραγματοποιήθηκε το Nextcloud Community Conference 2026, φέτος με ιδιαίτερη σημασία, καθώς συνέπεσε με τα δέκα χρόνια από την ίδρυση του project. Με το σύνθημα «Building a safer digital world – together!», το συνέδριο έφερε κοντά, όπως κάθε χρόνο, εκατοντάδες προγραμματιστές, διαχειριστές συστημάτων, επιχειρήσεις και ανθρώπους της κοινότητας ανοιχτού λογισμικού που μοιράζονται το ίδιο ενδιαφέρον: την ψηφιακή ιδιωτικότητα και την ανοιχτή, αυτοφιλοξενούμενη υποδομή συνεργασίας. Η ΕΕΛΛΑΚ παρευρέθηκε και φέτος, συνεχίζοντας μια παρουσία δέκα ετών σε αυτή την κοινότητα.

EU Open Source Policy Summit 2027: 29 Ιανουαρίου 2027 στις Βρυξέλλες

Οι Βρυξέλλες γίνονται για άλλη μια φορά το σημείο συνάντησης της ευρωπαϊκής κοινότητας ανοιχτού λογισμικού στα τέλη Ιανουαρίου. Η Σύνοδος διοργανώνεται την εβδομάδα της FOSDEM, ακριβώς την παραμονή του μεγάλου συνεδρίου. Η FOSDEM 2027 θα γίνει το Σάββατο 30 και την Κυριακή 31 Ιανουαρίου 2027 στην πανεπιστημιούπολη Solbosch του ULB στις Βρυξέλλες.

Law as Code: γιατί πρέπει να συμμετέχουμε στη διεθνή διαβούλευση

Καθώς όλο και περισσότερες δημόσιες υπηρεσίες παρέχονται ψηφιακά, ένα κρίσιμο αλλά συχνά αόρατο ζήτημα αποκτά ιδιαίτερη σημασία: ποιος μεταφράζει τον νόμο σε λογική που μπορούν να εκτελέσουν τα πληροφοριακά συστήματα; Σήμερα η ίδια νομοθετική διάταξη μπορεί να μετατρέπεται πολλές φορές σε λογισμικό, διαφορετικά από κάθε υπουργείο, οργανισμό ή ανάδοχο. Το αποτέλεσμα μπορεί να είναι διαφορετικές ερμηνείες, επαναλαμβανόμενο κόστος, δυσκολία ελέγχου, χαμηλή διαλειτουργικότητα και εξάρτηση από συγκεκριμένους προμηθευτές.

Από το Linux στο Azure: η ψηφιακή στρατηγική της ΔΥΠΑ και η εναλλακτική ενός ιδιόκτητου cloud ανοικτού κώδικα

Το άρθρο δεν υποστηρίζει ότι κάθε χρήση cloud ή κάθε εμπορική λύση είναι λανθασμένη. Εξετάζει, όμως, αν η συγκεκριμένη επιλογή ανταποκρίνεται στις πραγματικές ανάγκες της ΔΥΠΑ, αν αξιοποιεί με τον καλύτερο τρόπο τις υφιστάμενες υποδομές και αν συνοδεύεται από επαρκή τεχνική, οικονομική και θεσμική τεκμηρίωση. Παράλληλα, εξετάζει αν θα μπορούσε να είχε αναπτυχθεί ένα ιδιόκτητο ή ελεγχόμενο cloud ανοιχτού κώδικα, βασισμένο στην υπάρχουσα υποδομή, σε ανοιχτά πρότυπα και σε λύσεις όπως το Nextcloud.

Τι σημαίνει τελικά «ανοιχτό μοντέλο»;

Η λέξη «ανοιχτό» χρησιμοποιείται σήμερα τόσο συχνά στην Τεχνητή Νοημοσύνη ώστε κινδυνεύει να χάσει το νόημά της. Ένα εργαστήριο δημοσιεύει τα βάρη ενός γλωσσικού μοντέλου και το χαρακτηρίζει ανοιχτό. Ένα άλλο διαθέτει τον κώδικα εκτέλεσης, αλλά όχι τον κώδικα εκπαίδευσης. Ένα τρίτο δημοσιεύει τεχνική έκθεση, χωρίς να αποκαλύπτει από ποια δεδομένα προέκυψε το μοντέλο. Σε όλες αυτές τις περιπτώσεις υπάρχει κάποιο επίπεδο πρόσβασης, αλλά δεν υπάρχει το ίδιο επίπεδο ανοιχτότητας.

Έναν χρόνο μετά τους κανόνες οικολογικού σχεδιασμού της ΕΕ, το 80% των smartphones εξακολουθεί να μην παρέχει τις υποχρεωτικές πληροφορίες επισκευής

Τα αποτελέσματα είναι απογοητευτικά. Από τις 2.334 καταχωρίσεις μοντέλων smartphone που κυκλοφόρησαν στην αγορά τον τελευταίο χρόνο, μόλις περίπου το 18% παραπέμπει πράγματι σε ιστότοπους όπου μπορεί κανείς να βρει εύκολα τιμές ανταλλακτικών ή οδηγίες επισκευής. Σχεδόν οι μισές καταχωρίσεις έχουν απλώς κενά πεδία εκεί όπου θα έπρεπε να υπάρχουν οι σύνδεσμοι. Ένα επιπλέον 19% παραπέμπει σε σελίδα προϊόντος ή υποστήριξης όπου δεν υπάρχουν ούτε οδηγίες επισκευής ούτε τιμές ανταλλακτικών. Στην ίδια κατηγορία εντάσσονται και παράλογα εύρη τιμών, όπως 14–128 € για μια μπαταρία.

Πνευματικά δικαιώματα σε κώδικα παραγόμενο από LLM: μπορεί ο «vibe code» να αδειοδοτηθεί ως Ελεύθερο Λογισμικό;

Τα τελευταία χρόνια η χρήση των μεγάλων γλωσσικών μοντέλων (Large Language Models – «LLM») έχει εκτοξευθεί, μεταξύ άλλων και στη συγγραφή πηγαίου κώδικα. Όσο όμως εξαπλώνεται, τόσο πιεστικότερα γίνονται και τα νομικά ερωτήματα: όταν τον κώδικα τον παράγει ένα LLM, προστατεύεται από πνευματική ιδιοκτησία; Και αν ναι, σε ποιον ανήκουν τα δικαιώματα;

Γεωπολιτικές Επιπτώσεις της Εξάρτησης από Εμπορικό Cloud:

Η ραγδαία μετάβαση της δημόσιας διοίκησης στο υπολογιστικό νέφος (cloud computing) έχει μετατρέψει την τεχνολογική επιλογή παρόχου σε ζήτημα εθνικής κυριαρχίας. Το παρόν άρθρο εξετάζει τις γεωπολιτικές διαστάσεις της εξάρτησης κρατικών φορέων από εμπορικούς, κατά κανόνα αμερικανικούς, παρόχους cloud, με ειδική εστίαση στην ελληνική δημόσια διοίκηση και τη λειτουργία του Κυβερνητικού Νέφους (G-Cloud). Αναλύονται η σύγκρουση δικαιοδοσιών μεταξύ CLOUD Act και GDPR, οι ευρωπαϊκές πρωτοβουλίες ψηφιακής κυριαρχίας (EUCS, Data Act, Cloud Sovereignty Framework), καθώς και οι επιλογές πολιτικής που διαθέτει η Ελλάδα ανάμεσα στην τεχνολογική εξάρτηση και την ψηφιακή αυτονομία.

Ο ευρωπαϊκός «νόμος για τα cookies» είναι στην πραγματικότητα νόμος για την παρακολούθηση

Το 2022, δημοσιογράφος πλήρωσε 160 δολάρια για δεδομένα θέσης μίας εβδομάδας που αφορούσαν επισκέψεις σε περισσότερες από 600 κλινικές του Planned Parenthood στις Ηνωμένες Πολιτείες. Τα δεδομένα έδειχναν από πού είχαν έρθει οι επισκέπτες, πόση ώρα έμειναν και πού πήγαν στη συνέχεια. Μετά τη δημοσίευση του ρεπορτάζ, ο μεσίτης δεδομένων απέσυρε το προϊόν. Η αγορά που το γέννησε, όμως, παρέμεινε.

Η υπόθεση Autistici/Inventati και το τέλος μιας ψευδαίσθησης για την ψηφιακή μας κυριαρχία

Στις 26 Αυγούστου 2026 το Στέιτ Ντιπάρτμεντ, μαζί με το αμερικανικό υπουργείο Οικονομικών, χαρακτήρισε την ιταλική τεχνολογική κολεκτίβα Autistici/Inventati «Specially Designated Global Terrorist» βάσει του Executive Order 13224. Η A/I δεν είναι ένοπλη οργάνωση. Είναι ένα δίκτυο εθελοντών που από το 2001 προσφέρει σε ακτιβιστές και συλλογικότητες κρυπτογραφημένο email, φιλοξενία ιστοσελίδων, mailing lists, τηλεδιασκέψεις και μπλογκ — περίπου 16.000 γραμματοκιβώτια, 1.500 ιστοσελίδες, 5.500 λίστες και 10.000 blogs.

Η ευρωπαϊκή ατζέντα ψηφιακής κυριαρχίας δεν μπορεί να αγνοεί τις Ψηφιακές Δημόσιες Υποδομές

Δεν αρκεί η ΕΕ να θέτει τους κανόνες για τις ψηφιακές της υποδομές· η Ένωση και τα κράτη μέλη πρέπει να είναι σε θέση και να τις κατασκευάζουν και να τις συντηρούν. Αυτή τη δυνατότητα, στον βαθμό που στηρίζεται στις ικανότητες του κράτους, την αποκαλούμε ικανότητα υλοποίησης. Περιλαμβάνει τις τεχνολογίες, τους θεσμούς και τις πρακτικές που απαιτούνται ώστε οι ψηφιακές υποδομές να σχεδιάζονται, να λειτουργούν και να συντηρούνται με υψηλότερο βαθμό δημόσιου ελέγχου. Οι ΨΔΥ αποτελούν σήμερα, σε παγκόσμιο επίπεδο, το πιο ώριμο σύνολο πρακτικών για την κατάκτησή της.

Για μια ΤΝ στην υπηρεσία του δημόσιου συμφέροντος

Υπάρχουν και άλλοι δρόμοι ανάπτυξης της ΤΝ που δεν υπηρετούν ούτε ιδιωτικά κεφαλαιακά κέρδη ούτε αυταρχικά καθεστώτα, αλλά ένα δημοκρατικό δημόσιο συμφέρον. Το καλύτερο παράδειγμα έρχεται από την Ελβετία. Εκεί δημόσιοι θεσμοί, όπως φορείς χρηματοδότησης έρευνας, πανεπιστήμια και κέντρα υπερυπολογιστών, συνεργάστηκαν για να δημιουργήσουν ένα μοντέλο ΤΝ με το όνομα Apertus. Έχει εκπαιδευτεί αποκλειστικά σε δεδομένα για τα οποία έχει επιβεβαιωθεί ότι έχουν άδεια χρήσης για ΤΝ (δεν είναι κλεμμένα). Έχει εκπαιδευτεί σε προϋπάρχουσα δημόσια υπολογιστική υποδομή, με ανανεώσιμη υδροηλεκτρική ενέργεια. Οι δημιουργοί του έχουν κίνητρο να παράγουν ένα δημόσιο αγαθό, όχι ιδιωτικό κέρδος.

Nextcloud: Πώς ένας Οργανισμός μπορεί να αποκτήσει το δικό του «Cloud» με ασφάλεια, οικονομία και ανεξαρτησία

Το Nextcloud είναι μια ώριμη, ανοιχτού κώδικα εναλλακτική λύση που καλύπτει τις ίδιες ανάγκες (αποθήκευση και διαμοιρασμό αρχείων, συνεργατική επεξεργασία εγγράφων, ημερολόγιο, βίντεο-κλήσεις, chat) αλλά εγκαθίσταται σε υποδομή που ελέγχει πλήρως ο ίδιος ο οργανισμός. Ο Οργανισμός Ανοιχτών Τεχνολογιών (ΕΕΛΛΑΚ) το χρησιμοποιεί παραγωγικά εδώ και χρόνια, και σε αυτό το άρθρο εξηγούμε τι είναι, γιατί έχει σημασία, πώς το χρησιμοποιούμε εμείς, και κυρίως πώς μπορεί ένας άλλος οργανισμός να κάνει τη δική του μετάπτωση.

Η Ομοσπονδιακή Κυβέρνηση της Ελβετίας Αντικαθιστά τη Microsoft σε 3.000 Υπολογιστές

Η ομοσπονδιακή κυβέρνηση της Ελβετίας ξεκίνησε ένα πιλοτικό πρόγραμμα για την αντικατάσταση του Microsoft 365 με λύσεις ανοιχτού λογισμικού σε 3.000 σταθμούς εργασίας, δηλαδή περίπου στο 7% του ομοσπονδιακού προσωπικού. Στόχος είναι η μετάβαση να έχει ολοκληρωθεί έως το τέλος του 2027.

Η ΤΝ στα πανεπιστήμια: μάθηση με ανοιχτές και δημόσιες υποδομές

Το κρίσιμο ερώτημα, επομένως, δεν είναι αν η ΤΝ θα εισέλθει στα πανεπιστήμια. Έχει ήδη εισέλθει. Το ερώτημα είναι ποια ΤΝ θα χρησιμοποιούν τα πανεπιστήμια, με ποιους όρους και για ποιον σκοπό. Το διακύβευμα είναι διπλό. Από τη μία πλευρά, χρειάζεται να διασφαλιστεί ότι η ΤΝ ενισχύει τη μάθηση, την επιστημονική κρίση και τη δημιουργικότητα αντί να υποκαθιστά την ανθρώπινη προσπάθεια. Από την άλλη, τα πανεπιστήμια δεν πρέπει να εξαρτηθούν από λίγες ακριβές και αδιαφανείς πλατφόρμες, στις οποίες δεν ελέγχουν ούτε τα μοντέλα ούτε τα δεδομένα τους. Η εκπαιδευτική πολιτική για την ΤΝ είναι πλέον και πολιτική δημόσιων ψηφιακών υποδομών.

Από την ενοικίαση στην ιδιοκτησία: γιατί η ανοιχτή ΤΝ γίνεται στρατηγικό πλεονέκτημα

Η συζήτηση για την Τεχνητή Νοημοσύνη μετακινείται σταδιακά από το ερώτημα «ποιο μοντέλο είναι καλύτερο;» σε ένα πολύ πιο στρατηγικό ερώτημα: ποιος ελέγχει την υποδομή πάνω στην οποία θα λειτουργούν οι επιχειρήσεις, οι δημόσιες υπηρεσίες και ολόκληροι παραγωγικοί κλάδοι;

Το EU Kids Act δεν θα κάνει το διαδίκτυο πιο υπεύθυνο και αξιόπιστο

Η Ευρωπαϊκή Επιτροπή παρουσίασε πρόσφατα σχέδιο νόμου που περιορίζει την πρόσβαση των νέων στο διαδίκτυο. Το κόστος του θα είναι υψηλό. Οι διαδικτυακές υπηρεσίες θα κλειστούν πίσω από φραγμούς ηλικίας, η επεμβατική επαλήθευση ηλικίας θα γενικευτεί και η ιδιωτικότητα θα πληγεί, όχι μόνο των ανηλίκων αλλά όλων των χρηστών.

Το παράδοξο της ανοιχτότητας: πώς αμύνονται τα ψηφιακά δημόσια αγαθά στην εποχή της τεχνητής νοημοσύνης

Το ανοιχτό διαδίκτυο διέρχεται μια περίοδο βαθιού δομικού μετασχηματισμού. Τα ίδια χαρακτηριστικά που κατέστησαν δυνατή τη Wikipedia, τα ανοιχτά δεδομένα και τα ανοιχτά εκπαιδευτικά αποθετήρια — ελεύθερη πρόσβαση, ελεύθερη επαναχρησιμοποίηση, καμία υποχρέωση εγγραφής — αποτελούν σήμερα το σημείο εισόδου για τη μαζική και αυτοματοποιημένη άντληση περιεχομένου από τους crawlers και τους scrapers των εταιρειών τεχνητής νοημοσύνης.

Σταματήστε να καταστρέφετε τα βιντεοπαιχνίδια… και τις βιβλιοθήκες

Τον περασμένο Ιούνιο, οι διοργανωτές της Ευρωπαϊκής Πρωτοβουλίας Πολιτών «Stop Destroying Videogames» παρουσίασαν το αίτημά τους ενώπιον του Ευρωπαϊκού Κοινοβουλίου και της Ευρωπαϊκής Επιτροπής. Παρότι στη δημόσια ακρόαση οι περισσότεροι ευρωβουλευτές και οι εκπρόσωποι της Επιτροπής τάχθηκαν υπέρ, η γραπτή απάντηση που ακολούθησε γεννά αμφιβολίες για το αν η Επιτροπή σκοπεύει πράγματι να αντιμετωπίσει τη ρίζα του προβλήματος, δηλαδή τους προβληματικούς όρους των αδειών χρήσης.

Οι άδειες Creative Commons στην εποχή της τεχνητής νοημοσύνης

Από το 2002, οι άδειες Creative Commons (CC) λειτουργούν ως νομικά δεσμευτικά εργαλεία για την ελεύθερη διάθεση περιεχομένου στο διαδίκτυο. Πέρα από την πρακτική τους χρησιμότητα, εκφράζουν και μια στάση ζωής: τη δέσμευση υπέρ της ανοιχτής διάθεσης γνώσης προς όφελος του κοινού. Ο οργανισμός Creative Commons έχει ανέκαθεν υποστηρίξει κάθε νόμιμη χρήση των έξι αδειών και των δύο εργαλείων δημόσιου τομέα που διαθέτει, ενθαρρύνοντας τους δημιουργούς να επιλέγουν πάντα την πιο ευέλικτη άδεια που εξυπηρετεί τους στόχους τους.

Από την εποπτεία στη συμμετοχή: ένα ευρωπαϊκό δίκτυο για ανθρωποκεντρική και ανοιχτή Τεχνητή Νοημοσύνη

Η Τεχνητή Νοημοσύνη εισέρχεται με μεγάλη ταχύτητα στην εκπαίδευση, την εργασία, τη δημόσια διοίκηση, την υγεία, την αστυνόμευση και την ενημέρωση. Το κρίσιμο ερώτημα, επομένως, δεν είναι πλέον αν θα χρησιμοποιούμε ΤΝ, αλλά με ποιους κανόνες, ποιος θα μπορεί να ελέγχει τη λειτουργία της και ποιος θα λογοδοτεί όταν επηρεάζονται δικαιώματα.

Τοπική Τεχνητή Νοημοσύνη στην πράξη: οδηγός για υλισμικό, ανοιχτό λογισμικό και κόστος

Η εγκατάσταση ενός γλωσσικού μοντέλου στους υπολογιστές μιας επιχείρησης ή ενός δημόσιου φορέα δεν απαιτεί πλέον υπολογιστικό κέντρο εκατομμυρίων ευρώ. Ένα μεγάλο μέρος των καθημερινών εργασιών, όπως σύνοψη εγγράφων, αναζήτηση σε εσωτερικά αρχεία, σύνταξη κειμένων, ταξινόμηση αιτημάτων και υποβοήθηση προγραμματιστών, μπορεί να εκτελεστεί τοπικά με εξοπλισμό κόστους από περίπου 2.000 ευρώ.

Πώς η Ολλανδική ΜΚΟ Milieudefensie έχτισε έναν χώρο εργασίας με το Nextcloud

Για κάθε οργανισμό, είτε πρόκειται για δημόσιο φορέα, επιχείρηση είτε Μη Κυβερνητική Οργάνωση (ΜΚΟ), η επιλογή των εργαλείων ψηφιακής συνεργασίας δεν είναι ποτέ απλώς τεχνικό ζήτημα. Είναι, ουσιαστικά, δήλωση αρχών. Ποιος ελέγχει τα δεδομένα μας; Πού φιλοξενούνται; Ποιος έχει πρόσβαση σε αυτά; Και πόσο εξαρτημένοι είμαστε από έναν πάροχο cloud που μπορεί, ανά πάσα στιγμή, να αλλάξει πολιτική τιμολόγησης, όρους χρήσης ή ακόμα και να διακόψει την υπηρεσία;

Γιατί κανείς δεν μπορεί να προβλέψει με βεβαιότητα την εξέλιξη της Τεχνητής Νοημοσύνης

Η εξέλιξη της ΤΝ δεν ακολουθεί μια σταθερή και προβλέψιμη πορεία. Ένα νέο μοντέλο μπορεί να παρουσιάζει περιορισμένη βελτίωση στις συνήθεις δοκιμές αξιολόγησης, αλλά να αποκτά πολύ μεγαλύτερη πρακτική αξία όταν συνδυάζεται με εργαλεία, μνήμη, αναζήτηση, εκτέλεση κώδικα και μηχανισμούς ελέγχου των αποτελεσμάτων του. Επομένως, η πραγματική πρόοδος δεν εξαρτάται μόνο από το μέγεθος ή την αρχιτεκτονική ενός μοντέλου, αλλά και από τον τρόπο με τον οποίο εντάσσεται σε ένα ευρύτερο τεχνικό και οργανωτικό σύστημα.

Όλα τα άρθρα του Σεπτεμβρίου είναι διαθέσιμα στο https://newsletters.ellak.gr/archives/2609/

Όλα τα ενημερωτικά δελτία είναι διαθέσιμα εδώ.

Από τα ανοιχτά δεδομένα στη γνώση: πώς οι δημόσιες πληροφορίες μπορούν να συνδεθούν
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για τα Ανοιχτά Δεδομένα

Η αξία δεν βρίσκεται μόνο στα δεδομένα, αλλά στις σχέσεις τους Η Ελλάδα διαθέτει ήδη σημαντικές πηγές δημόσιων δεδομένων. Το ΚΗΜΔΗΣ καταγράφει δημόσιες συμβάσεις, η Διαύγεια διοικητικές πράξεις και δαπάνες, το ΓΕΜΗ στοιχεία επιχειρήσεων, ενώ το TED δημοσιεύει τις ευρωπαϊκές δημόσιες συμβάσεις. Σε ευρωπαϊκό και διεθνές επίπεδο, το BRIS και το LEI προσθέτουν στοιχεία που ... Read more

Η ευρωπαϊκή ατζέντα ψηφιακής κυριαρχίας δεν μπορεί να αγνοεί τις Ψηφιακές Δημόσιες Υποδομές
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για την Ανοιχτή Διακυβέρνηση

Το αν η Ευρώπη αντιμετωπίζει πρόβλημα εξάρτησης στις ψηφιακές της υποδομές δεν αποτελεί πλέον ερώτημα. Τόσο το Πακέτο για την Τεχνολογική Κυριαρχία (Tech Sovereignty Package) που δημοσίευσε η Ευρωπαϊκή Επιτροπή τον Ιούνιο, όσο και η έκθεση του Ευρωπαϊκού Κοινοβουλίου του 2025 για την τεχνολογική κυριαρχία και τις ψηφιακές υποδομές της Ευρώπης, εντοπίζουν τα ίδια τρωτά σημεία: υπηρεσίες νέφους και αποθήκευσης, πλατφόρμες επικοινωνίας, ταυτοποίηση και πληρωμές. Η γαλλογερμανική Σύνοδος για την Ευρωπαϊκή Ψηφιακή Κυριαρχία, που πραγματοποιήθηκε στο Βερολίνο τον Νοέμβριο του 2025, κατέληξε σε διακυβερνητικές δεσμεύσεις για την προτίμηση ευρωπαϊκών λύσεων.

Το ζητούμενο, λοιπόν, δεν είναι το εύρος του προβλήματος ούτε το αν η Ευρώπη οφείλει να το αντιμετωπίσει. Νέα εργαλεία, όπως η Ευρωπαϊκή Κοινοπραξία Ψηφιακών Υποδομών για τα Ψηφιακά Κοινά (DC-EDIC) και το Open Internet Stack, έχουν ήδη τεθεί σε εφαρμογή, συνοδευόμενα από —μάλλον ρητορικές— δεσμεύσεις για τη χρηματοδότηση ή την ανάπτυξη κυρίαρχων ψηφιακών υποδομών. Οι προσπάθειες αυτές είναι αξιέπαινες, ενώ και ορισμένα κράτη μέλη κινούνται με δικές τους πρωτοβουλίες. Ένας τομέας, ωστόσο, απουσιάζει αισθητά: οι Ψηφιακές Δημόσιες Υποδομές (Digital Public Infrastructure – ΨΔΥ). Δραστηριότητα στον τομέα υπάρχει, τόσο σε επίπεδο ΕΕ όσο και στα κράτη μέλη, όμως η πολιτική της αναγνώριση καθυστερεί, και η Ένωση δεν έχει ενσωματώσει αυτές τις δυνατότητες σε μια συνεκτική στρατηγική για την ψηφιακή της κυριαρχία.

Υποστηρίζω ότι η ευρωπαϊκή συζήτηση για την ψηφιακή εξάρτηση και για το πώς η ψηφιακή κυριαρχία θα γίνει πράξη πάσχει — όχι ως προς το πού εστιάζει, αλλά ως προς όσα παραλείπει. Πέρα από όσα μπορεί να ρυθμίσει και να περιορίσει, η Ευρώπη οφείλει να εστιάσει και σε όσα μπορεί να κατασκευάσει και να προσφέρει. Υπό αυτό το πρίσμα, η ενεργός εμπλοκή της στις ΨΔΥ θα αποδειχθεί καθοριστική για την ευόδωση της ατζέντας ψηφιακής κυριαρχίας της ΕΕ τα επόμενα χρόνια.

Η δοκιμασία στην οποία αποτυγχάνει σήμερα η ευρωπαϊκή ψηφιακή κυριαρχία

Οι πρωτοβουλίες που συνενώνουν πολλά κράτη μέλη και η προοπτική αυξημένης χρηματοδότησης από την Επιτροπή είναι ενθαρρυντικές. Το πεδίο εφαρμογής των νέων εργαλείων, ωστόσο, παραμένει θολό και ρευστό, ενώ η υλοποίησή τους αναμένεται αργή —ίσως και ιδιαίτερα γραφειοκρατική. Εκείνο που δεν έχει ακόμη ξεκαθαρίσει είναι τι ακριβώς σκοπεύει να κατασκευάσει η Ευρώπη και τι είναι σε θέση να λειτουργήσει η ίδια, είτε σε επίπεδο Ένωσης είτε από κοινού με τα κράτη μέλη.

Η συζήτηση περιστρέφεται κυρίως γύρω από το από τι πρέπει να πάψουμε να εξαρτόμαστε: ποιοι προμηθευτές θα αποκλειστούν, ποια δεδομένα θα φιλοξενούνται εντός ΕΕ, ποιοι όροι θα τίθενται στις δημόσιες συμβάσεις. Πρόκειται για περιορισμό της δομικής έκθεσης — τη μορφή κυριαρχίας που τα ενωσιακά εργαλεία παράγουν ευκολότερα και η οποία βρίσκεται στην καρδιά του οράματος του Πακέτου για την Τεχνολογική Κυριαρχία. Κάτι τέτοιο όμως δεν ισοδυναμεί με την ικανότητα να σχεδιάζεις, να λειτουργείς, να συντηρείς και να αντικαθιστάς θεμελιώδη συστήματα.

Το αν ο περιορισμός της δομικής έκθεσης αρκεί κρίνεται από ένα πρακτικό ερώτημα: μπορεί η ΕΕ να αλλάξει ή να αντικαταστήσει ένα δομικό στοιχείο χωρίς να αναγκαστεί να ξαναχτίσει όσα στηρίζονται σε αυτό; Ένας ευρωπαίος πάροχος από τον οποίο είναι εξίσου δύσκολο και δαπανηρό να απεμπλακείς με εκείνον που αντικατέστησε απλώς μεταφέρει την εξάρτηση αλλού· δεν την εξαλείφει. Η οικοδόμηση ικανότητας σημαίνει, για παράδειγμα, να διατηρείς τη δυνατότητα να μεταφέρεις τα δεδομένα σου ή να αποχωρήσεις από μια σύμβαση. Η ΕΕ μπορεί να ξεκινήσει σχεδόν αμέσως, με αφετηρία την ταυτοποίηση, τις πληρωμές και την ανταλλαγή δεδομένων.

Χαρακτηριστικό παράδειγμα είναι το Ευρωπαϊκό Πορτοφόλι Ψηφιακής Ταυτότητας (EUDI Wallet). Η ΕΕ έχει θεσπίσει κοινούς κανόνες, τεχνικές προδιαγραφές και μια υλοποίηση αναφοράς ανοιχτού κώδικα, ενώ η διάθεση των πορτοφολιών είναι ευθύνη των κρατών μελών. Στα πιλοτικά προγράμματα μεγάλης κλίμακας συμμετέχουν πάνω από 550 επιχειρήσεις και δημόσιες αρχές από 26 κράτη μέλη, καθώς και από τη Νορβηγία, την Ισλανδία και την Ουκρανία. Ωστόσο, το πορτοφόλι λειτουργεί εν τέλει μέσα σε ένα ευρύτερο τεχνολογικό οικοσύστημα —συσκευές, λειτουργικά συστήματα και άλλα στοιχεία— το οποίο οι ευρωπαϊκοί θεσμοί δεν ελέγχουν πλήρως. Το ίδιο μοτίβο θα επαναλαμβάνεται όπου η ευρωπαϊκή υποδομή βασίζεται σε στοιχεία που η ΕΕ ούτε συντηρεί ούτε διακυβερνά.

Δεν αρκεί η ΕΕ να θέτει τους κανόνες για τις ψηφιακές της υποδομές· η Ένωση και τα κράτη μέλη πρέπει να είναι σε θέση και να τις κατασκευάζουν και να τις συντηρούν. Αυτή τη δυνατότητα, στον βαθμό που στηρίζεται στις ικανότητες του κράτους, την αποκαλούμε ικανότητα υλοποίησης. Περιλαμβάνει τις τεχνολογίες, τους θεσμούς και τις πρακτικές που απαιτούνται ώστε οι ψηφιακές υποδομές να σχεδιάζονται, να λειτουργούν και να συντηρούνται με υψηλότερο βαθμό δημόσιου ελέγχου. Οι ΨΔΥ αποτελούν σήμερα, σε παγκόσμιο επίπεδο, το πιο ώριμο σύνολο πρακτικών για την κατάκτησή της.

Γιατί η Ευρώπη χρειάζεται Ψηφιακές Δημόσιες Υποδομές

Οι ΨΔΥ αποτελούν διεθνώς αναγνωρισμένη προσέγγιση για την ανάπτυξη δημόσιων ψηφιακών υπηρεσιών με εφαρμογή σε ολόκληρη την κοινωνία: κρίσιμες ψηφιακές δυνατότητες που συγκροτούν τα θεμέλια των ψηφιακών υποδομών και καθιστούν εφικτή την παροχή δημόσιων υπηρεσιών. Όπως τις περιγράφουν οι πιο ένθερμοι υποστηρικτές τους, πρόκειται για θεμελιώδη ψηφιακά συστήματα ευρείας κοινωνικής εμβέλειας —κατά κύριο λόγο την ψηφιακή ταυτότητα, τα συστήματα άμεσων πληρωμών και την αξιόπιστη ανταλλαγή δεδομένων— που βασίζονται σε ανοιχτά πρότυπα και είναι κοινά για δημόσιους και ιδιωτικούς χρήστες.

Η G20 διαμόρφωσε την πρώτη πολυμερή διακυβερνητική συναίνεση για τις ΨΔΥ επί ινδικής προεδρίας, το 2023. Το Παγκόσμιο Ψηφιακό Σύμφωνο (Global Digital Compact) του ΟΗΕ τις αναγνωρίζει ως κινητήρια δύναμη ενός ψηφιακού μετασχηματισμού χωρίς αποκλεισμούς, ενώ η Παγκόσμια Τράπεζα έχει αναπτύξει ειδικά προγράμματα γύρω από αυτές. Η έννοια των ΨΔΥ εμφανίζεται πλέον στις ψηφιακές στρατηγικές δεκάδων χωρών της Αφρικής και της Λατινικής Αμερικής, και περιφερειακοί οργανισμοί την έχουν υιοθετήσει ως βασικό άξονα συνεργασίας.

Αν και επικεντρώνεται σε τρεις βασικές δυνατότητες, η φιλοσοφία των ΨΔΥ θα μπορούσε να ανοίξει τον δρόμο για μια «οικοσυστημική προσέγγιση της ψηφιακής πολιτικής και της ψηφιακής κυριαρχίας», η οποία συνδέει τη λογική των ψηφιακών υποδομών με εκείνη της παροχής δημόσιων υπηρεσιών και υπηρετεί έτσι τους στόχους της ευρωπαϊκής ψηφιακής πολιτικής. Οι ΨΔΥ δεν είναι ο μοναδικός δρόμος για την ανάπτυξη ικανοτήτων· όταν όμως εφαρμόζονται σωστά, μπορούν —και πρέπει— να αποτελέσουν βασικό συστατικό της συνταγής για μια ευρωπαϊκή ψηφιακή κυριαρχία που δεν θα μείνει στα χαρτιά. Ήρθε η ώρα οι ευρωπαίοι ιθύνοντες να εξετάσουν σοβαρά τι θα μπορούσαν να προσφέρουν στην Ένωση.

Σε επίπεδο πολιτικής αναγνώρισης, η παρουσία της ΕΕ στο πεδίο των ΨΔΥ είναι μάλλον ισχνή· και όπου εμφανίζεται, το κάνει ως χρηματοδότης και περιστασιακός οργανωτής, όχι ως κατασκευαστής. Εν μέρει, ο λόγος είναι εννοιολογικός: η Ένωση αντιμετωπίζει τις ΨΔΥ κυρίως ως αναπτυξιακό εργαλείο, που αφορά τις χώρες-εταίρους και όχι την ίδια. Η Γενική Διεύθυνση Διεθνών Εταιρικών Σχέσεων (DG INTPA) επιτελεί σημαντικό διμερές έργο, το οποίο όμως σπάνια αναδεικνύεται σε πολυμερή φόρουμ. Η Γενική Διεύθυνση Δικτύων Επικοινωνιών, Περιεχομένου και Τεχνολογίας (DG CNECT) και η Ευρωπαϊκή Υπηρεσία Εξωτερικής Δράσης (ΕΥΕΔ), που κατέχουν την αρμοδιότητα χάραξης πολιτικής και διπλωματίας αντίστοιχα, δεν έχουν διατυπώσει καμία θέση για τις ΨΔΥ. Ακόμη και μαζί με τη DG INTPA, η φωνή της ΕΕ ακούγεται ελάχιστα στις διεθνείς συναντήσεις για το θέμα, όπως στον ΟΗΕ και στη Global DPI Summit.

Η πραγματικότητα επί του πεδίου, πάντως, διαφέρει από όσα υποδηλώνουν η ορολογία και η πλαισίωση. Πολλά κράτη μέλη διαθέτουν λειτουργικές υλοποιήσεις ΨΔΥ και έχουν αρχίσει, με μεγαλύτερη προβολή, να τις συνδέουν με την παγκόσμια κοινότητα πρακτικής γύρω από τις ΨΔΥ και τα Ψηφιακά Δημόσια Αγαθά (Digital Public Goods – DPGs).

Το FranceConnect προσφέρει ενιαίο μηχανισμό ταυτοποίησης για τις γαλλικές δημόσιες υπηρεσίες σε δεκάδες εκατομμύρια χρήστες. Η γαλλική κυβέρνηση είναι μέλος της Digital Public Goods Alliance (DPGA) και συμμετέχει στην εκστρατεία 50-in-5, ενώ θα φιλοξενήσει την ετήσια σύνοδο των μελών της Συμμαχίας στο Παρίσι τον Νοέμβριο.
Η Ιταλία διαθέτει το SPID, το Δημόσιο Σύστημα Ψηφιακής Ταυτότητας, και την πλατφόρμα πληρωμών pagoPA, που εξυπηρετούν έναν από τους μεγαλύτερους πληθυσμούς της ΕΕ.
Το εσθονικό σύστημα ανταλλαγής δεδομένων X-Road έχει υιοθετηθεί σε 40 χώρες ανά τον κόσμο.
Με το MitID, η Δανία καθιέρωσε την αρχή «ψηφιακά εξ ορισμού» στις συναλλαγές πολιτών και κράτους. Η ψηφιακή αυτοεξυπηρέτηση είναι υποχρεωτική σε σειρά κρατικών υπηρεσιών, με προβλεπόμενες εξαιρέσεις και εναλλακτικές λύσεις.

Υπάρχει επίσης ένας στοιχειώδης συνδετικός ιστός. Ο κανονισμός eIDAS 2.0, για παράδειγμα, παρέχει ένα πλαίσιο διακυβέρνησης για την αμοιβαία αναγνώριση των εθνικών συστημάτων ταυτοποίησης, με πιλοτικά προγράμματα μεγάλης κλίμακας στα οποία συμμετέχουν περισσότερες από 550 επιχειρήσεις και δημόσιες αρχές.

Το εμπόδιο στην Ευρώπη, επομένως, δεν είναι η έλλειψη ΨΔΥ. Είναι ότι κανείς δεν αντιμετωπίζει αυτά τα συστήματα ως ενιαία κατηγορία υποδομών που αξίζει επενδύσεις και συντήρηση, πολύ περισσότερο ως κρίσιμο πυλώνα της ευρωπαϊκής ατζέντας για την ψηφιακή κυριαρχία. Ακριβώς γι’ αυτό, τα σημαντικά αυτά συστήματα δεν χρηματοδοτούνται για τη συντήρησή τους, δεν διαθέτουν κοινή διακυβέρνηση και δεν είναι όσο διασυνδεδεμένα θα μπορούσαν. Το καθένα αναπτύχθηκε από ένα μεμονωμένο κράτος, με ενιαία αρμοδιότητα για πρότυπα, προμήθειες και υλοποίηση. Η αναπαραγωγή αυτής της συνοχής σε είκοσι επτά κράτη μέλη αποτελεί πρόβλημα συντονισμού για το οποίο, σήμερα, κανείς δεν έχει αναλάβει την ευθύνη.

Πώς θα μπορούσε να κινηθεί η Ευρώπη

Ό,τι κι αν πιστεύει κανείς για το μοντέλο των ΨΔΥ, οι δυνατότητες αυτές είναι ζωτικής σημασίας για τη λειτουργία του σύγχρονου κράτους στην ψηφιακή εποχή. Χωρίς ενεργό συμμετοχή σε μια παγκόσμια κοινότητα πρακτικής για τις ΨΔΥ, η Ευρώπη χάνει ευκαιρίες ανταλλαγής εμπειριών και μάθησης, οι οποίες μπορεί να αποδειχθούν κρίσιμες καθώς διαμορφώνει το δικό της όραμα για την ψηφιακή κυριαρχία, τόσο εντός των κρατών μελών όσο και μεταξύ τους.

Το Pix της κυβέρνησης της Βραζιλίας και το Aadhaar της κυβέρνησης της Ινδίας αναπτύχθηκαν σταδιακά, δοκιμάστηκαν δημόσια και οργανώθηκαν γύρω από προβλήματα που είχαν σαφές πολιτικό νόημα για τους πολίτες. Το Diia της κυβέρνησης της Ουκρανίας προσφέρει πάνω από 100 κρατικές υπηρεσίες και έχει ξεπεράσει σε ποσοστά χρήσης πολλά κράτη μέλη. Οι ευρωπαϊκές ομάδες υλοποίησης απουσιάζουν κατά κανόνα από τα τραπέζια όπου ανταλλάσσονται αυτά τα διδάγματα, επειδή η Ευρώπη στέλνει χρηματοδότες και στελέχη χάραξης πολιτικής αντί για ανθρώπους που υλοποιούν. Έτσι, η Ευρώπη προσφέρει στους εταίρους της χρήματα και έτοιμα πλαίσια, ενώ η συζήτηση για τις ΨΔΥ ζητά από κοινού ανάπτυξη.

Μια πιο αμοιβαία «Σύμπραξη των Βρυξελλών» θα ξεκινούσε με την ανάδειξη των υλοποιήσεων της ίδιας της ΕΕ και με την παρουσίασή τους στα πολυμερή φόρουμ ως συνεισφορών και όχι ως προϊόντων προς εξαγωγή.

Και στο εσωτερικό της Ευρώπης; Η κινητοποίηση για τις ΨΔΥ δεν προϋποθέτει ευρωπαϊκή στρατηγική για τις ΨΔΥ, κοινό ενωσιακό ορισμό ή νέο νομοθετικό κύκλο. Τα εργαλεία υπάρχουν ήδη:

Ο Κανονισμός για μια Διαλειτουργική Ευρώπη (Interoperable Europe Act) προβλέπει μηχανισμούς διακυβέρνησης που θα μπορούσαν να διασυνδέσουν τα εθνικά συστήματα χωρίς να τα αντικαταστήσουν.
Η αναθεώρηση των οδηγιών για τις δημόσιες συμβάσεις, και το πλαίσιο των δημόσιων συμβάσεων γενικότερα, έχουν ήδη αρχίσει να επιτρέπουν τη χρήση ανοιχτών προτύπων ως κριτηρίων αξιολόγησης. Οι κατευθυντήριες γραμμές της Επιτροπής θα μπορούσαν να αντιμετωπίζουν ρητά τις προμήθειες ψηφιακών υποδομών ως εργαλείο βιομηχανικής πολιτικής.
Το Ευρωπαϊκό Ταμείο Ανταγωνιστικότητας, μόλις τεθεί σε λειτουργία, θα αποτελέσει όχημα επενδύσεων σε θεμελιώδη συστήματα.
Η Κοινοπραξία για τα Ψηφιακά Κοινά (Digital Commons EDIC), που φέρνει κοντά τη Γαλλία, τη Γερμανία και άλλα κράτη μέλη για την ανάπτυξη και συντήρηση κοινών υποδομών, είναι ο πιο απτός μηχανισμός που είναι διαθέσιμος βραχυπρόθεσμα.

Το Πακέτο για την Τεχνολογική Κυριαρχία προτείνει επίσης τη σύσταση ενός Ευρωπαϊκού Οργανισμού Διαχείρισης Ψηφιακών Δημόσιων Υποδομών (European Digital Public Infrastructure Steward Organization) στο πλαίσιο της Στρατηγικής της ΕΕ για το Ανοιχτό Λογισμικό. Ένας τέτοιος οργανισμός έχει νόημα μόνο εφόσον αναλάβει το έργο που σήμερα δεν κάνει κανείς: να τηρεί μητρώο των ΨΔΥ που λειτουργούν τα κράτη μέλη· να χρηματοδοτεί και να διασυνδέει τα υπάρχοντα συστήματα, αντί να χρηματοδοτεί μόνο νέες αναπτύξεις· και να λειτουργεί ως ενιαίο σημείο επαφής μεταξύ DG CNECT, DG INTPA, ΕΥΕΔ και εθνικών φορέων. Χωρίς δικό του προϋπολογισμό και εντολή υλοποίησης, θα προσθέσει απλώς ένα ακόμη επίπεδο συντονισμού σε ένα τοπίο που ήδη έχει αρκετά.

Υπάρχουν και απλά βήματα που μπορούν να γίνουν άμεσα. Τα κράτη μέλη που δεν το έχουν κάνει ήδη μπορούν να καταχωρίσουν τις υλοποιήσεις τους στον DPI Map και τα ψηφιακά δημόσια αγαθά τους στο μητρώο της Digital Public Goods Alliance. Κάτι τέτοιο δεν απαιτεί νέα χρηματοδότηση και καλύπτει ευθέως το έλλειμμα ορατότητας. Μεσοπρόθεσμα, ο κύκλος του Πολυετούς Δημοσιονομικού Πλαισίου, η επισκόπηση υψηλού επιπέδου του Παγκόσμιου Ψηφιακού Συμφώνου το 2027 και η υλοποίηση του μέσου «Ευρώπη σε Παγκόσμιο Επίπεδο» (Global Europe) προσφέρουν ευκαιρίες για να συνδεθεί το έργο που γίνεται στην Ευρώπη με τη διεθνή συνεργασία για τις ΨΔΥ.

Το δίλημμα για την Ευρώπη δεν είναι «ρύθμιση ή κατασκευή». Είναι αν θα συνεχίσει να θεσπίζει κανόνες για υποδομές που λειτουργούν άλλοι ή αν θα αποκτήσει την ικανότητα να λειτουργεί υποδομές των οποίων τους κανόνες ορίζει —και μπορεί να αλλάξει— η ίδια. Οι ΨΔΥ δεν λύνουν από μόνες τους το πρόβλημα, αποτελούν όμως ένα βήμα προς τη σωστή κατεύθυνση. Και βοηθούν να αναπτυχθεί ο θεσμικός «μυς» που η Ένωση τόσο προφανώς χρειάζεται, ώστε η ψηφιακή κυριαρχία να γίνει πράξη σε ευρεία κλίμακα.

Πηγή άρθρου: https://www.techpolicy.press/

LibreCompass: Οδηγός Ανοιχτού Λογισμικού
by: Ευστάθιος Ιωσηφίδης

«Ψάχνω κάτι δωρεάν για να κάνω δουλειές γραφείου, αλλά δεν ξέρω καν πώς λέγεται αυτό που χρειάζομαι». Αυτή είναι η κατάσταση στην οποία βρίσκονται πολλοί όταν αποφασίζουν να δοκιμάσουν ελεύθερο λογισμικό. Ξέρουν τι πρόβλημα θέλουν να λύσουν, όχι όμως ποιο εργαλείο να αναζητήσουν. Για αυτούς ακριβώς φτιάχτηκε το LibreCompass, ο διαδραστικός οδηγός που σας πάει από την ερώτηση «τι θέλω να κάνω» στη σωστή απάντηση, σε μόλις τρία βήματα.

Το LibreCompass είναι το δεύτερο κομμάτι ενός μικρού οικοσυστήματος γύρω από το ελεύθερο λογισμικό. Το πρώτο είναι το LibreHub, ο κατάλογος με 328+ ανοιχτά εργαλεία που παρουσιάστηκε πρόσφατα εδώ στο blog. Το LibreHub λειτουργεί άριστα όταν ξέρετε τι ψάχνετε, γράφετε «Photoshop» και βλέπετε τις ανοιχτές εναλλακτικές. Το LibreCompass καλύπτει το κενό για όσους δεν έχουν καν αυτό το σημείο εκκίνησης.

Τι είναι το LibreCompass

Το LibreCompass είναι μια διαδραστική εφαρμογή-οδηγός (decision guide) που καθοδηγεί τον χρήστη σε τρία απλά βήματα:

επιλογή του τομέα χρήσης («τι θέλω να κάνω»),
στη συνέχεια της κατηγορίας εργαλείου που ταιριάζει,
και τέλος λήψη μιας συγκεκριμένης πρότασης ανοιχτού λογισμικού.

Κάθε πρόταση αναφέρει ρητά και το αντίστοιχο ιδιόκτητο πρόγραμμα που αντικαθιστά, ώστε να γίνεται αμέσως κατανοητό πού τοποθετείται το εργαλείο.

Το UI είναι σκόπιμα γρήγορο και χωρίς περιττά βήματα. Oι κατηγορίες φορτώνουν άμεσα, η πλοήγηση είναι ομαλή, και η αισθητική συνδέεται οπτικά με το LibreHub, ώστε η μετάβαση από το ένα εργαλείο στο άλλο να μοιάζει φυσική συνέχεια και όχι δύο ασύνδετα προϊόντα.

Γιατί χρειαζόμασταν έναν «οδηγό» πέρα από τον κατάλογο

Ένας κατάλογος με εκατοντάδες εργαλεία, όσο καλά οργανωμένος κι αν είναι, προϋποθέτει κάτι, ότι ο επισκέπτης ξέρει τι να αναζητήσει. Για κάποιον εξοικειωμένο με το ανοιχτό λογισμικό αυτό δεν είναι πρόβλημα. Για κάποιον που μπαίνει πρώτη φορά σε αυτόν τον κόσμο, όμως, η ίδια η αφθονία επιλογών μπορεί να γίνει εμπόδιο αντί για πλεονέκτημα.

Το LibreCompass αντιστρέφει τη λογική της αναζήτησης. Αντί να ξεκινάτε από το όνομα ενός προγράμματος, ξεκινάτε από την ανάγκη σας. Δεν χρειάζεται να γνωρίζετε ότι υπάρχει κάτι που λέγεται «διανυσματικό γραφικό» ή «CRM», απλώς περιγράφετε τι θέλετε να πετύχετε, και ο οδηγός κάνει τη μετάφραση σε συγκεκριμένο εργαλείο για εσάς.

Μια βόλτα στα 3 βήματα

Ας δούμε πώς λειτουργεί στην πράξη, με ένα απλό παράδειγμα.

Βήμα 1 — Τομέας χρήσης

Ο χρήστης επιλέγει κάτι κοντά στο «Θέλω να επεξεργαστώ φωτογραφίες».

Βήμα 2 — Κατηγορία εργαλείου

Το LibreCompass στενεύει την επιλογή σε «Επεξεργασία Εικόνας», ξεχωρίζοντάς την από συγγενείς κατηγορίες όπως η ψηφιακή ζωγραφική ή τα διανυσματικά γραφικά.

Βήμα 3 — Προτεινόμενο εργαλείο

Η εφαρμογή προτείνει το GIMP, αναφέροντας ρητά ότι πρόκειται για την ανοιχτή εναλλακτική του Photoshop, με ένα κλικ προς την επίσημη σελίδα του.

Το ίδιο μοτίβο ισχύει για οποιαδήποτε ανάγκη, από «θέλω να κάνω τηλεδιάσκεψη» μέχρι «θέλω να διαχειριστώ τα έργα της ομάδας μου», ο οδηγός καταλήγει σε μία συγκεκριμένη, τεκμηριωμένη πρόταση αντί να σας αφήνει μπροστά σε μια λίστα δεκάδων επιλογών.

Πώς συνδέεται με το LibreHub

Το LibreCompass δεν λειτουργεί ανεξάρτητα από το LibreHub. Είναι σχεδιασμένο ως η «πύλη εισόδου» του. Αφού ο οδηγός σας δώσει μια πρόταση, μπορείτε να συνεχίσετε απευθείας στη μηχανή αναζήτησης του LibreHub για να δείτε περισσότερες σχετικές εναλλακτικές, να συγκρίνετε επιλογές μέσα στην ίδια κατηγορία, ή απλώς να εξερευνήσετε ό,τι άλλο υπάρχει διαθέσιμο.

Με άλλα λόγια, αν δεν ξέρετε τι ψάχνετε, ξεκινάτε από το LibreCompass. Αν ξέρετε ήδη το όνομα ενός προγράμματος που θέλετε να αντικαταστήσετε, πηγαίνετε κατευθείαν στο LibreHub. Τα δύο εργαλεία καλύπτουν τα δύο άκρα της ίδιας ανάγκης.

Για ποιον είναι χρήσιμο

Το LibreCompass απευθύνεται σε τέσσερις βασικές ομάδες: καθημερινούς χρήστες που θέλουν να μειώσουν το κόστος των συνδρομών τους, μικρές επιχειρήσεις που ψάχνουν εναλλακτικές σε ακριβά επιχειρησιακά πακέτα, φοιτητές και εκπαιδευτικούς που χρειάζονται εργαλεία χωρίς κόστος αδειοδότησης, και δημόσιους φορείς που εξετάζουν μετάβαση σε ανοιχτές λύσεις. Σε όλες αυτές τις περιπτώσεις, το κοινό στοιχείο είναι η αβεβαιότητα για το από πού να ξεκινήσουν — και αυτό ακριβώς λύνει ο οδηγός.

Τεχνικά, εν συντομία

Χωρίς να μπούμε σε λεπτομέρειες εγκατάστασης, αξίζει να αναφερθεί ότι το LibreCompass είναι κι αυτό ανοιχτού κώδικα, φτιαγμένο με σύγχρονες τεχνολογίες ιστού για γρήγορη και ομαλή εμπειρία πλοήγησης. Όποιος ενδιαφέρεται να δει πώς λειτουργεί από μέσα ή να συνεισφέρει, μπορεί να βρει τον κώδικα ελεύθερα διαθέσιμο στο GitHub.

Δοκιμάστε το

Το LibreCompass είναι διαθέσιμο στη διεύθυνση librecompass.netlify.app. Αν δεν ξέρετε από πού να ξεκινήσετε στον κόσμο του ελεύθερου λογισμικού, αφήστε τον οδηγό να σας δείξει τον δρόμο, και όταν βρείτε τι σας ταιριάζει, συνεχίστε την εξερεύνηση στο LibreHub.

Ταχύτητα ή κατεύθυνση; Ποιος θα ρωτήσει την ανθρωπότητα για την τεχνητή νοημοσύνη
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για την Ανοιχτή Διακυβέρνηση

Το Σεπτέμβριο του 2026, οι επικεφαλής των μεγαλύτερων εταιρειών τεχνητής νοημοσύνης παραδέχθηκαν δημόσια κάτι που πολλοί ερευνητές έλεγαν εδώ και καιρό. Η ανάπτυξη των πιο ισχυρών συστημάτων ΤΝ τρέχει γρηγορότερα απ’ όσο μπορεί να την παρακολουθήσει η κοινωνία. Ο Dario Amodei της Anthropic ζήτησε επιβράδυνση και «δημοκρατικό συντονισμό», ο Sam Altman της OpenAI συμφώνησε ότι ο ρυθμός πρέπει να ελεγχθεί, ενώ ο Elon Musk αρκέστηκε σε μια λακωνική επιδοκιμασία. Η σύγκλιση είναι εντυπωσιακή. Αξίζει όμως να προσέξουμε με ποιους όρους συγκλίνουν αυτές οι απόψεις.

Πάνω σε αυτή τη συγκυρία έρχεται μια ενδιαφέρουσα πρόταση που δημοσίευσαν στο περιοδικό Noema η πολιτική φιλόσοφος Hélène Landemore και η Audrey Tang, πρώην υπουργός Ψηφιακών Υποθέσεων της Ταϊβάν (Let The People Set The Pace Of Frontier AI). Το επιχείρημά τους ξεκινά από τη διαπίστωση ότι καμία εταιρεία δεν μπορεί να επιβραδύνει μόνη της, όπως και καμία από τις δύο υπερδυνάμεις, αφού η καθεμιά φοβάται ότι η δική της αυτοσυγκράτηση θα χαρίσει το προβάδισμα στην άλλη. Οι συγγραφείς όμως εδώ αντί για το αδιέξοδο δίλημμα του φυλακισμένου, βλέπουν το «κυνήγι του ελαφιού» του Ρουσσώ, όπου όλοι θα κέρδιζαν αν έμεναν στη θέση τους και ο καθένας λιποτακτεί μόνο και μόνο επειδή δεν εμπιστεύεται τους άλλους. Μια κάποια λύση σε τέτοιου είδους προβλήματα μπορεί να έρθει οικοδομώντας εμπιστοσύνη, μέσα από μια τρίτη οντότητα που όλοι θεωρούν αξιόπιστη.

Η οντότητα που προτείνουν οι Landemore και Tang είναι μια μόνιμη Παγκόσμια Συνέλευση Πολιτών για την Τεχνητή Νοημοσύνη, με χίλια μέλη που επιλέγονται με κλήρωση από όλο τον κόσμο. Τα μέλη αμείβονται, υποστηρίζονται με διερμηνεία και τοπική βοήθεια, ανανεώνονται σταδιακά κατά ένα τρίτο και παραλαμβάνουν τα ευρήματα ανεξάρτητων αξιολογητών για το αν τα εργαστήρια τηρούν τα όρια. Κάθε σύσταση της συνέλευσης απευθύνεται σε κατονομαζόμενο αποδέκτη, που οφείλει να απαντήσει δημόσια τι δέχεται, τι απορρίπτει και γιατί. Η πρόταση έχει αρετές που δεν πρέπει να υποτιμηθούν. Φέρνει στο τραπέζι ανθρώπους που κανείς δεν ρωτά. Nέους, αγρότες, ανθρώπους χωρίς σύνδεση στο διαδίκτυο, πολίτες χωρών που δεν θα τους έστελνε ποτέ καμία κυβέρνηση. Και θέτει μια αρχή που όσο συχνά κι αν διατυπώνεται άλλο τόσο εύκολα την προσπερνούμε και λησμονείται, ότι όποιος επηρεάζεται από μια απόφαση δικαιούται τουλάχιστον μια αιτιολογημένη απάντηση.

Ωστόσο, ακόμα και αυτή η πρόταση δεν είναι άμοιρη προβληματισμών και ο βασικότερος βρίσκεται στο ίδιο το ερώτημα. Η όλη συζήτηση ξεκίνησε όταν οι επικεφαλής των εταιρειών όρισαν το θέμα ως ζήτημα ρυθμού, και η προτεινόμενη συνέλευση σχεδιάζεται για να προσδώσει αξιοπιστία σε αυτόν τον ρυθμό. Όταν όμως ρωτάμε πόσο γρήγορα πρέπει να κινηθούμε, έχουμε ήδη αποδεχθεί προς τα πού. Ο προορισμός, δηλαδή τα όλο και πιο ισχυρά μοντέλα, εκπαιδευμένα σε όλο και ισχυρότερες υποδομές που ανήκουν σε όλο και λιγότερους, θεωρείται δεδομένος και συζητείται μόνο η ταχύτητα της διαδρομής. Τα ερωτήματα που έχουν εξίσου σημαντική αξία μένουν στο περιθώριο. Ποιος κατέχει την υπολογιστική ισχύ; Ποιος καρπώνεται την αξία που παράγεται από δεδομένα και έργα εκατομμυρίων ανθρώπων; Είναι άραγε μονόδρομος αυτό το μοντέλο ανάπτυξης ή θα μπορούσαμε να επενδύσουμε σε ανοιχτά, δημόσια και μικρότερα συστήματα;

Οι συγγραφείς θα απαντούσαν, εύλογα, ότι η συνέλευση θα μπορεί να θέτει και τέτοια ερωτήματα, αφού θα αποφασίζει τι δεν πρέπει να κάνει ποτέ η τεχνητή νοημοσύνη και τι θέλουμε να κάνει για εμάς. Ο θεσμικός της πυρήνας όμως, η παραλαβή των ευρημάτων των αξιολογητών και η επιβεβαίωση ότι τηρούνται τα όρια ασφαλείας, είναι προσδεδεμένος με την ατζέντα του ρυθμού. Η γραμματεία της θα χρηματοδοτείται εν μέρει από τις ίδιες τις εταιρείες. Και ανάμεσα στα προηγούμενα που επικαλούνται βρίσκονται διαβουλεύσεις που οργάνωσαν οι ίδιες οι εταιρείες, όπως το φόρουμ της Meta για το metaverse ή η διαβούλευση της Anthropic για τις αρχές ενός μοντέλου της. Η συμμετοχή των πολιτών μπορεί εύκολα να καταλήξει να νομιμοποιεί μια ατζέντα που οι ίδιοι δεν είχαν ποτέ την ευκαιρία να διαμορφώσουν εν πρώτοις.

Το δεύτερο πρόβλημα αφορά στο υποκείμενο στο όνομα του οποίου θα μιλά η συνέλευση. Οι συγγραφείς επικαλούνται την ανθρωπότητα, της οποίας το διακύβευμα, γράφουν, είναι καθολικό και δεν νοθεύεται από κανένα εθνικό ή εταιρικό συμφέρον. Είναι μια ελκυστική ιδέα, αλλά πολιτικά συζητήσιμη. Ο Carl Schmitt έγραφε στην Έννοια του πολιτικού ότι όποιος επικαλείται την «ανθρωπότητα» θέλει να εξαπατήσει. Δεν χρειάζεται να συμμεριστούμε τον κυνισμό του για να αναγνωρίσουμε τον πυρήνα της παρατήρησης, ότι η επίκληση ενός καθολικού υποκειμένου τείνει να κρύβει τις συγκρούσεις που το διατρέχουν.

Και η τεχνητή νοημοσύνη αιχμής είναι κατεξοχήν πεδίο βαθιάς σύγκρουσης. Ο εργαζόμενος που επισημειώνει δεδομένα για λίγα ευρώ την ώρα, η κοινότητα που βλέπει το νερό και την ενέργειά της να καταναλώνονται από ένα κέντρο δεδομένων, ο μεταφραστής ή ο γραφίστας που βλέπει τις δουλειές του να μειώνονται, ο μέτοχος μιας εταιρείας τεχνολογίας και η κυβέρνηση μιας χώρας χωρίς υπολογιστικές υποδομές δεν έχουν τα ίδια συμφέροντα. Η κλήρωση εξασφαλίζει ότι όλοι αυτοί μπορεί να βρεθούν στην ίδια αίθουσα. Δεν εξασφαλίζει ότι η διαφωνία τους θα ακουστεί ως διαφωνία.

Εδώ η Chantal Mouffe έχει κάτι χρήσιμο να πει. Για εκείνη, το μέτρο μιας δημοκρατίας είναι αν καταφέρνει να μετατρέψει τον ανταγωνισμό ανάμεσα σε εχθρούς σε αντιπαράθεση ανάμεσα σε αντιπάλους, πολύ περισσότερο από το αν παράγει συναίνεση. Η πρόταση προβλέπει εργαλεία τεχνητής νοημοσύνης που θα μεταφράζουν, θα ταξινομούν τις συνεισφορές και θα βοηθούν τα μέλη να δουν πού διαφωνούν και πού συγκλίνουν, ενώ τα μέλη θα έχουν τον τελευταίο λόγο για τις συνόψεις και θα μπορούν να απορρίψουν την ερμηνεία της μηχανής για το τι εννοούσαν. Όταν όμως χίλιοι άνθρωποι εκφέρουν σύνθετες και αντιφατικές θέσεις, μια διαδικασία στραμμένη στο κοινό έδαφος θα ευνοεί συστηματικά τις μετριοπαθείς διατυπώσεις και θα παραγκωνίζει τις ριζοσπαστικές.

Τίποτα από αυτά δεν σημαίνει ότι η ιδέα πρέπει να εγκαταλειφθεί. Αν μια τέτοια συνέλευση πρόκειται να έχει δημοκρατικό νόημα, πρέπει να σχεδιαστεί ώστε να αντέχει τη σύγκρουση. Θα έπρεπε, για παράδειγμα, να μπορεί να θέτει η ίδια την ατζέντα της, ακόμη κι αν αυτό σημαίνει να ρωτήσει όχι πόσο γρήγορα αλλά αν και για ποιον. Θα έπρεπε οι μειοψηφικές θέσεις να καταγράφονται και να απαιτούν κι αυτές απάντηση, αντί να χάνονται στη σύνοψη. Και θα έπρεπε η χρηματοδότησή της να μην εξαρτάται από εκείνους που καλείται να ελέγξει.

Η πρόταση των Landemore και Tang έχει το μεγάλο προσόν ότι παίρνει στα σοβαρά κάτι που οι επικεφαλής των εταιρειών λένε συνήθως ρητορικά, ότι δηλαδή αναπτύσσουν την τεχνητή νοημοσύνη για λογαριασμό της ανθρωπότητας. Αν τους πάρουμε στα σοβαρά, όμως, τότε η ανθρωπότητα δικαιούται να αποφασίσει και για το ερώτημα που της τίθεται, όχι μόνο για την απάντηση. Και να το κάνει με όλες τις διαφωνίες της.

Απλοποίηση για ποιον; Ανοιχτή επιστολή προς τα κράτη μέλη της ΕΕ: να μη θυσιαστούν οι εγγυήσεις του GDPR στο Digital Omnibus
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για τα Ανοιχτά Πρότυπα

Τους τελευταίους μήνες, η πρόταση «Digital Omnibus» της Ευρωπαϊκής Επιτροπής για τα δεδομένα έχει ανοίξει μια ευρύτερη συζήτηση: πόση προστασία αξίζουν τα δεδομένα των πολιτών της ΕΕ —και μαζί τους τα δικαιώματά τους— όταν στην άλλη πλευρά της ζυγαριάς μπαίνουν η τεχνητή νοημοσύνη, η καινοτομία και η ανταγωνιστικότητα; Η συζήτηση έχει πλέον φτάσει σε κρίσιμο σημείο στο Συμβούλιο, και το δίκτυο European Digital Rights (EDRi) απευθύνει ανοιχτή επιστολή στους εκπροσώπους των κρατών μελών.

Το Digital Omnibus βάζει την προστασία δεδομένων απέναντι στην ΤΝ και την «ανταγωνιστικότητα»

Οι κυβερνήσεις της ΕΕ συζητούν αυτή τη στιγμή κρίσιμα ερωτήματα: αν ορισμένα δεδομένα θα μπορούν να μένουν εκτός του Γενικού Κανονισμού για την Προστασία Δεδομένων (ΓΚΠΔ) ανάλογα με το ποιος τα κατέχει· αν η τεχνητή νοημοσύνη δικαιούται ειδική μεταχείριση όταν οι εταιρείες θέλουν να επαναχρησιμοποιήσουν προσωπικά δεδομένα· και αν οι πολίτες θα ενημερώνονται λιγότερο για το πώς χρησιμοποιούνται τα δεδομένα τους.

Το συμβιβαστικό κείμενο που παρουσίασε η Ιρλανδική Προεδρία στις 3 Σεπτεμβρίου προκάλεσε σοβαρές ανησυχίες από κάθε πλευρά. Η αναθεωρημένη εκδοχή που κυκλοφόρησε στις 21 Σεπτεμβρίου φαίνεται να επιχειρεί ορισμένες βελτιώσεις, αφήνει όμως αναπάντητα τα πιο ουσιώδη ερωτήματα. Όπως και στην πρόταση της Επιτροπής, δεν πρόκειται απλώς για λιγότερη γραφειοκρατία αλλά για ουσιαστική απορρύθμιση, η οποία προχωρά με εξαιρετικά γρήγορους ρυθμούς και με νομοτεχνική διατύπωση που προκαλεί σοβαρό προβληματισμό.

Το όνομά σου χάνεται — εσύ όμως όχι

Το Συμβούλιο απέφυγε τελικά να ξαναγράψει ευθέως τον ορισμό των «δεδομένων προσωπικού χαρακτήρα» στον ΓΚΠΔ, κάτι που ίσως ακούγεται καθησυχαστικό. Δεν είναι. Το νέο άρθρο 25α και η συνοδευτική αιτιολογική σκέψη 27 εξακολουθούν να απειλούν να αλλάξουν την απάντηση στο ίδιο θεμελιώδες ερώτημα: πότε εφαρμόζεται ο ΓΚΠΔ;

Για να καταλάβουμε γιατί, πρέπει να ξεχωρίσουμε την ψευδωνυμοποίηση από την ανωνυμοποίηση. Ψευδωνυμοποίηση σημαίνει ότι τα προφανή αναγνωριστικά στοιχεία, όπως το όνομα, αντικαθίστανται από κάτι άλλο — έναν κωδικό ή έναν αριθμό ταυτότητας, για παράδειγμα. Αυτό μπορεί να κάνει τα δεδομένα ασφαλέστερα, επειδή η πληροφορία που αντιστοιχίζει τον κωδικό στο πρόσωπο φυλάσσεται χωριστά. Πίσω από τον κωδικό, όμως, εξακολουθεί να βρίσκεται ένας άνθρωπος, και τα δεδομένα —μαζί με τα δικαιώματα που τα συνοδεύουν— πρέπει να παραμένουν προστατευμένα.

Δεν μιλάμε για κάποιο θεωρητικό σενάριο. Μεγάλο μέρος της σημερινής διαδικτυακής παρακολούθησης στηρίζεται ήδη σε ψευδώνυμα αναγνωριστικά, όχι σε ονόματα. Τα αναγνωριστικά των cookies, οι διαφημιστικοί κωδικοί, τα αναγνωριστικά συσκευών και άλλοι παρόμοιοι κωδικοί χρησιμοποιούνται για να αναγνωρίζουν τους χρήστες σε βάθος χρόνου, να συνδέουν τη συμπεριφορά τους από υπηρεσία σε υπηρεσία, να σχηματίζουν προφίλ και να αποφασίζουν ποιο περιεχόμενο, ποιες τιμές ή ποιες διαφημίσεις θα δουν. Συχνά, το να ξέρεις ότι κάποιος είναι ο «Χρήστης 15051948» είναι πιο χρήσιμο για να τον παρακολουθείς και να τον στοχεύεις από το να ξέρεις το όνομά του.

Η ανωνυμοποίηση είναι άλλο πράγμα. Τα δεδομένα είναι ανώνυμα μόνο όταν δεν είναι πλέον ρεαλιστικά δυνατό να ταυτοποιηθεί ένα πρόσωπο από αυτά, ακόμη κι αν συνδυαστούν με άλλες πληροφορίες που είναι ευλόγως διαθέσιμες. Τα ανώνυμα δεδομένα δεν εμπίπτουν στον ΓΚΠΔ. Τα ψευδωνυμοποιημένα, όμως, δεν γίνονται ανώνυμα απλώς και μόνο επειδή μια εταιρεία δεν μπορεί να βάλει αμέσως ένα όνομα δίπλα στον κωδικό.

Η προσέγγιση του Συμβουλίου κινδυνεύει να θολώσει ακριβώς αυτή τη διαχωριστική γραμμή: ανάμεσα σε δεδομένα που εξακολουθούν να χρησιμοποιούνται για να ξεχωρίσουν ένα πρόσωπο και να επηρεάσουν όσα του συμβαίνουν, και σε δεδομένα πραγματικά ανώνυμα. Με βάση το άρθρο 25α, τα ίδια ψευδωνυμοποιημένα δεδομένα θα μπορούσαν να θεωρούνται προσωπικά για έναν φορέα και μη προσωπικά για κάποιον άλλο, εφόσον κρίνεται ότι ο δεύτερος δεν μπορεί να ταυτοποιήσει το πρόσωπο. Στην πράξη, αυτό ισοδυναμεί σχεδόν με στένεμα του ίδιου του ορισμού των προσωπικών δεδομένων — και δημιουργεί δύο προβλήματα.

Το πρώτο αφορά τα δικαιώματα. Αν μια εταιρεία θεωρήσει ότι τα δεδομένα βρίσκονται εκτός ΓΚΠΔ, πολλές από τις εγγυήσεις του Κανονισμού μπορεί να χαθούν μαζί τους: η υποχρέωση να φυλάσσονται με ασφάλεια, το δικαίωμα των πολιτών να γνωρίζουν πώς χρησιμοποιούνται, να έχουν πρόσβαση σε αυτά ή να τα διορθώνουν, ή να αντιτίθενται σε ορισμένες χρήσεις.

Το δεύτερο αφορά την ασφάλεια δικαίου. Τα ψηφιακά δεδομένα σπάνια μένουν σε μία μόνο εταιρεία. Διακινούνται μέσα από μακριές αλυσίδες παρόχων υπηρεσιών, διαφημιστών, εταιρειών ανάλυσης, παρόχων υπολογιστικού νέφους και μεσιτών δεδομένων, που στηρίζονται σε μεγάλο βαθμό στην κατανεμημένη επεξεργασία: κάθε φορέας κατέχει διαφορετικά κομμάτια πληροφορίας —όλα, φυσικά, ψευδωνυμοποιημένα— και διαθέτει διαφορετικές τεχνικές δυνατότητες. Έτσι, το νομικό καθεστώς του ίδιου συνόλου δεδομένων θα αλλάζει ανάλογα με το ποιος το έχει στα χέρια του κάθε στιγμή. Εταιρείες, εποπτικές αρχές και πολίτες θα πρέπει πρώτα να ξεκαθαρίσουν ποιος μπορεί να ταυτοποιήσει ποιον, με ποια δεδομένα και σε ποιο σημείο της αλυσίδας, πριν καν απαντήσουν στο βασικό ερώτημα αν εφαρμόζεται ο ΓΚΠΔ. Υπάρχει επιπλέον ένα προφανές πρόβλημα κινήτρων: ήδη σήμερα ορισμένοι φορείς υποστηρίζουν ότι δεν φέρουν ευθύνη, είτε επειδή δεν μπορούν οι ίδιοι να ταυτοποιήσουν τον άνθρωπο πίσω από ένα αναγνωριστικό, είτε επειδή την απαραίτητη πληροφορία την κατέχει κάποιος άλλος στην αλυσίδα. Το άρθρο 25α κινδυνεύει να προσδώσει σε αυτά τα επιχειρήματα πολύ μεγαλύτερο νομικό βάρος.

Για έναν νόμο που υποτίθεται ότι «απλοποιείται», πρόκειται για εντυπωσιακά μεγάλη δόση νέας αβεβαιότητας.

Ειδική θέση για την τεχνητή νοημοσύνη

Ο ΓΚΠΔ προβλέπει ήδη αρκετές νόμιμες βάσεις για τη χρήση προσωπικών δεδομένων. Μία από αυτές είναι το «έννομο συμφέρον». Αυτό δεν σημαίνει ότι αρκεί μια εταιρεία να δηλώσει «μας είναι χρήσιμο» για να συνεχίσει ανενόχλητη. Πρέπει να προσδιορίσει ένα θεμιτό συμφέρον, η επεξεργασία να είναι αναγκαία για την εξυπηρέτησή του, και το συμφέρον αυτό να σταθμιστεί έναντι των δικαιωμάτων και των συμφερόντων του ανθρώπου του οποίου τα δεδομένα χρησιμοποιούνται.

Το κείμενο του Συμβουλίου θα ορίζει πλέον ρητά ότι η επεξεργασία προσωπικών δεδομένων για την ανάπτυξη και τη λειτουργία συστημάτων ΤΝ μπορεί να στηρίζεται στο έννομο συμφέρον. Το εύλογο ερώτημα είναι: γιατί χρειάζεται η ΤΝ ειδική μνεία;

Και το ζήτημα δεν περιορίζεται στην εκπαίδευση μεγάλων γλωσσικών μοντέλων. Η ΤΝ βρίσκεται ήδη πίσω από πολλά από τα συστήματα που σκιαγραφούν το προφίλ μας, μας κατατάσσουν, μας προτείνουν περιεχόμενο και μας στοχεύουν στο διαδίκτυο. Οι αλγόριθμοι συστάσεων καθορίζουν τι βλέπουμε στα μέσα κοινωνικής δικτύωσης, τα διαφημιστικά συστήματα αποφασίζουν ποιος θα δει τι, ενώ αυτοματοποιημένα εργαλεία χρησιμοποιούνται όλο και περισσότερο στην εργασία, στα χρηματοοικονομικά και σε πολλούς άλλους τομείς της καθημερινότητας. Μια ευρέως διατυπωμένη διάταξη για την ΤΝ μπορεί επομένως να φτάσει πολύ πέρα από τη σημερινή συζήτηση για τη μαζική συλλογή δεδομένων με σκοπό την εκπαίδευση chatbots.

Γι’ αυτόν ακριβώς τον λόγο η κατηγορία είναι τόσο προβληματική. Η ανάπτυξη ενός συστήματος διάγνωσης καρκίνου, η παραγωγή στοχευμένων διαφημίσεων, η ανάλυση της απόδοσης εργαζομένων, η δημιουργία ενός συστήματος συστάσεων και η εκπαίδευση ενός chatbot είναι εντελώς διαφορετικές δραστηριότητες. Ο όρος «ΤΝ» περιγράφει την τεχνολογία που χρησιμοποιείται, αλλά δεν μας λέει σχεδόν τίποτα για το αν μια συγκεκριμένη χρήση των δεδομένων μας είναι δικαιολογημένη. Κι όμως, το Συμβούλιο, ακολουθώντας την επικίνδυνη γραμμή της Επιτροπής, θα ξεχώριζε νομοθετικά αυτή την τεράστια κατηγορία επεξεργασίας.

Έτσι δημιουργείται και ένα στρεβλό κίνητρο. Αν η σύνδεση μιας επεξεργασίας με ένα σύστημα ΤΝ διευκολύνει την επίκληση του έννομου συμφέροντος, οι εταιρείες θα έχουν κάθε λόγο να παρουσιάζουν όλο και περισσότερες επεξεργασίες ως «σχετικές με την ΤΝ». Αυτό είναι το αντίθετο μιας τεχνολογικά ουδέτερης νομοθεσίας.

Το πρόβλημα δεν είναι ότι οι διατυπώσεις αυτές νομιμοποιούν αυτομάτως κάθε χρήση προσωπικών δεδομένων που σχετίζεται με την ΤΝ· ο υπόλοιπος ΓΚΠΔ εξακολουθεί να ισχύει. Το πρόβλημα είναι η κατεύθυνση που δίνουν σε εταιρείες, εποπτικές αρχές και δικαστήρια: ο νομοθέτης κατονομάζει ρητά την ανάπτυξη και τη λειτουργία της ΤΝ ως δραστηριότητες για τις οποίες μπορεί να γίνει επίκληση του έννομου συμφέροντος. Σε μια εποχή όπου η πρόσβαση στα δεδομένα αναδεικνύεται σε έναν από τους πολυτιμότερους πόρους της οικονομίας της ΤΝ, αυτό δεν είναι καθόλου αμελητέο μήνυμα.

«Μα οι μεγάλες τεχνολογικές εταιρείες το κάνουν ήδη»

Ένα ακόμη επιχείρημα ακούγεται όλο και συχνότερα: αφού οι μεγάλες τεχνολογικές εταιρείες χρησιμοποιούν ήδη τεράστιους όγκους δεδομένων για την ΤΝ, πρέπει να επιτραπεί το ίδιο και στις ευρωπαϊκές επιχειρήσεις και στις δημόσιες αρχές. Πρόκειται για μάλλον περίεργο τρόπο να νομοθετεί κανείς.

Αν οι εταιρείες παρερμηνεύουν, αμφισβητούν ή αγνοούν τους ισχύοντες κανόνες, η απάντηση είναι η αυστηρότερη εφαρμογή τους. Η συμπεριφορά τους δεν μπορεί να γίνει το νέο νομικό μέτρο.

Επιπλέον, κάτι τέτοιο ελάχιστα ωφελεί τις ευρωπαϊκές εταιρείες που υποτίθεται ότι θέλουμε να στηρίξουμε: οι χαλαρότεροι κανόνες δεν χαρίζουν ξαφνικά σε μια ευρωπαϊκή νεοφυή επιχείρηση είκοσι χρόνια ιστορικού αναζητήσεων, δεδομένα τοποθεσίας, φωτογραφίες, κοινωνικές διασυνδέσεις και δεδομένα συμπεριφοράς. Άλλωστε, πριν από λίγες μέρες έγινε γνωστό ότι στέλεχος της Microsoft είχε χαρακτηρίσει ιδιωτικά τη μαζική συλλογή δεδομένων για την ΤΝ ως τη μεγαλύτερη κλοπή εργασίας στην ανθρώπινη ιστορία.

Οι μεγάλοι κερδισμένοι θα είναι όσοι διαθέτουν ήδη τεράστια αποθέματα δεδομένων και την υποδομή για να τα αξιοποιήσουν· η απορρύθμιση της πρόσβασης στα δεδομένα απλώς θα ενισχύσει τις μεγαλύτερες «αυτοκρατορίες» δεδομένων. Οι ίδιοι παίκτες θα επωφεληθούν και από την ανασφάλεια δικαίου που δημιουργούν άλλα σημεία της δέσμης. Κάθε άλλο παρά ίσους όρους ανταγωνισμού εξασφαλίζει κάτι τέτοιο.

Κι όμως, τα banners των cookies μένουν

Σε όλα αυτά υπάρχει μια ιδιαίτερα παράδοξη ειρωνεία. Ρωτήστε σχεδόν οποιονδήποτε τι θα ήθελε πραγματικά να απλοποιηθεί στους ευρωπαϊκούς κανόνες για την ιδιωτικότητα και την προστασία δεδομένων, και η απάντηση θα έρθει αμέσως: τα banners των cookies. Η Επιτροπή είχε προτείνει έναν μηχανισμό που θα επέτρεπε στους χρήστες να δηλώνουν ορισμένες επιλογές τους αυτόματα, αντί να πατούν ξανά και ξανά τα ίδια κουμπιά: τα αυτοματοποιημένα σήματα ιδιωτικότητας.

Το Συμβούλιο επιμένει να διαγράφει αυτή τη διάταξη. Ταυτόχρονα, εξετάζει νέες εξαιρέσεις που θα επιτρέπουν την πρόσβαση σε πληροφορίες αποθηκευμένες στα κινητά, στους υπολογιστές και σε άλλες συσκευές μας —εκεί δηλαδή όπου φυλάμε τις πιο προσωπικές μας πληροφορίες— χωρίς συγκατάθεση ή ενημέρωση.

Μάλιστα, το πιο πρόσφατο σχέδιο θα υποχρέωνε την Επιτροπή να επανεξετάσει τη χρήση «τεχνολογιών ενίσχυσης της ιδιωτικότητας» για την πρόσβαση στον τερματικό εξοπλισμό, με δυνατότητα να προτείνει αργότερα περαιτέρω αλλαγές στους κανόνες. Οι τεχνολογίες ενίσχυσης της ιδιωτικότητας (Privacy-Enhancing Technologies, PETs) είναι εργαλεία σχεδιασμένα για να περιορίζουν τους κινδύνους για την ιδιωτικότητα. Η ψευδωνυμοποίηση είναι μία από αυτές· άλλες τεχνικές ελαχιστοποιούν, διαχωρίζουν ή προστατεύουν την πληροφορία. Οι εταιρείες οφείλουν να επενδύουν σε αυτές. Όλο και συχνότερα, ωστόσο, ακούγεται ένα παράδοξο επιχείρημα: αν μια εταιρεία έχει επενδύσει σε τέτοιες τεχνολογίες, ο νόμος θα πρέπει να την «ανταμείψει» χαλαρώνοντας τους κανόνες για τα δεδομένα που προκύπτουν. Έτσι η λογική αντιστρέφεται: ένα μέτρο προστασίας δεν μπορεί να γίνεται διαβατήριο εξόδου από τον νόμο.

Η πολιτική αντίφαση

Οι κυβερνήσεις της ΕΕ μιλούν ταυτόχρονα για τους κινδύνους της ΤΝ, για την κυβερνοασφάλεια, για τον εθιστικό σχεδιασμό και για την προστασία των παιδιών στο διαδίκτυο. Όλα αυτά τα ζητήματα αφορούν δεδομένα: ποιος τα συλλέγει, ποιος τα συνδυάζει, τι μπορεί να συναχθεί από αυτά, τι βελτιστοποιείται με βάση αυτά, ποιος έχει πρόσβαση σε αυτά.

Είναι πολύ παράξενη πολιτική επιλογή να αποδυναμώνονται οι οριζόντιοι κανόνες που διέπουν αυτές τις πρακτικές, με την υπόσχεση ότι οι συνέπειές τους θα αντιμετωπιστούν αλλού — και μάλιστα με επικίνδυνα «βαριά εργαλεία», όπως η επαλήθευση ηλικίας.

Τα καλά νέα; Υπάρχει ακόμη χρόνος για αναθεώρηση. Το κείμενο της 21ης Σεπτεμβρίου δείχνει ότι τα κράτη μέλη μπορούν να βελτιώσουν τη διατύπωση όταν παίρνουν στα σοβαρά τις ανησυχίες· μπορούν και οφείλουν να σταματήσουν αυτή την απορρυθμιστική φρενίτιδα και να βάλουν στο επίκεντρο τόσο τα δικαιώματα όσο και την ασφάλεια δικαίου. Αυτό πρέπει να συνεχίσουν να κάνουν, αντί να βιάζονται να συμφωνήσουν σε αλλαγές που αγγίζουν τα θεμέλια της ευρωπαϊκής νομοθεσίας για την προστασία δεδομένων — του ακρογωνιαίου λίθου του ψηφιακού μας κανονιστικού πλαισίου.

Διαβάστε την επιστολή του EDRi προς τους εκπροσώπους των κρατών μελών της ΕΕ

Πηγή άρθρου: https://edri.org/

Πώς τα ανοιχτά δεδομένα βοηθούν μια ιταλική πόλη να προστατευτεί από τη ζέστη
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για τις Ανοιχτές Τεχνολογίες στη Σύγχρονη Πόλη

Κατά την έκτη Γενική Συνέλευση των Έξυπνων Πόλεων της Ιταλίας, που πραγματοποιήθηκε στην Πάντοβα τον Οκτώβριο του 2025, ο Δήμος της Φεράρα —πόλης της περιφέρειας Εμίλια-Ρομάνια— απέσπασε το βραβείο Καλών Πρακτικών για την αξιοποίηση ανοιχτών δεδομένων και της επιστήμης των πολιτών (citizen science) στην παρακολούθηση της περιβαλλοντικής ασφάλειας και στον πολεοδομικό σχεδιασμό.

Η διάκριση αφορά μια πρωτοβουλία που υλοποιείται από το 2019 και συνδυάζει τα ανοιχτά δεδομένα με τη συμμετοχή των πολιτών, ώστε η θερμοκρασία και η ποιότητα του αέρα να καταγράφονται σε πραγματικό χρόνο. Τα δεδομένα αυτά αξιοποιούνται στη συνέχεια στον πολεοδομικό σχεδιασμό, με στόχο να περιοριστούν οι κίνδυνοι που εγκυμονούν οι καύσωνες για τους κατοίκους.

Η Πεδιάδα του Πάδου, μια έντονη θερμική νησίδα της Ιταλίας

Η Πεδιάδα του Πάδου (Pianura Padana) είναι μια εκτεταμένη, επίπεδη γεωγραφική ζώνη στη βόρεια Ιταλία, που απλώνεται σε μήκος άνω των 650 χιλιομέτρων, από τις Δυτικές Άλπεις έως την Αδριατική. Εκεί ζουν σχεδόν 17 εκατομμύρια άνθρωποι —περίπου το ένα τρίτο του πληθυσμού της χώρας— σε μεγάλες πόλεις όπως το Μιλάνο, το Τορίνο και η Φεράρα. Λόγω του επίπεδου ανάγλυφου και της γεωγραφικής της θέσης, η περιοχή είναι ιδιαίτερα εκτεθειμένη σε ακραία κλιματικά φαινόμενα, όπως η υψηλή ατμοσφαιρική ρύπανση και η συσσώρευση θερμότητας.

Όπως επισημαίνει ο Alessandro Balboni, Αντιδήμαρχος της Φεράρα, «τα χαρακτηριστικά αυτά την καθιστούν μία από τις πιο ευάλωτες περιοχές της Ευρώπης σε καύσωνες και πλημμύρες».

Γι’ αυτό ο Δήμος της Φεράρα, σε συνεργασία με την εταιρεία Deda Next, υιοθέτησε μια προσέγγιση που αντιμετωπίζει τα δεδομένα ως κοινό αγαθό. Ο στόχος είναι απλός: ταχύτερος και αποτελεσματικότερος πολεοδομικός σχεδιασμός, για μια πόλη πιο αποδοτική, βιώσιμη και ανθεκτική.

Ανοιχτά πρότυπα και ανοιχτό λογισμικό: η ραχοκοκαλιά της λύσης

Η πρωτοβουλία στηρίζεται σε δύο διακριτά έργα: το έργο USAGE του προγράμματος Horizon Europe, που χαρτογράφησε τις θερμικές νησίδες της πόλης, και το έργο Air Break, που παρακολουθεί την ατμοσφαιρική ρύπανση. Το USAGE συνδύασε θερμικές μετρήσεις από όλη τη διάρκεια του έτους —χειμώνα και καλοκαίρι— με ιστορικά δεδομένα από δορυφορικές εικόνες της δεκαετίας 2013–2023. Το Air Break, αντίθετα, βασίζεται σε 14 σταθμούς μέτρησης που καταγράφουν αδιάλειπτα διάφορους ατμοσφαιρικούς ρύπους.

Τα δεδομένα από τις συσκευές Διαδικτύου των Πραγμάτων (IoT) των δύο έργων καταλήγουν σε έναν ενιαίο διακομιστή, τον οποίο ανέπτυξε το Ινστιτούτο Fraunhofer-Gesellschaft (FHG) με βάση τα πρότυπα του Open Geospatial Consortium (OGC). Τα πρότυπα OGC είναι ελεύθερες, ανοιχτές προδιαγραφές που διαμορφώνονται με συναίνεση και διευκολύνουν την ανταλλαγή, την επεξεργασία και τη χρήση γεωχωρικών δεδομένων ανάμεσα σε διαφορετικά λογισμικά και συστήματα. Σε αυτό ακριβώς το σημείο το ανοιχτό λογισμικό και τα ανοιχτά πρότυπα λειτουργούν συμπληρωματικά: τα εργαλεία ανοιχτού κώδικα επεξεργάζονται και παράγουν τα δεδομένα, ενώ τα ανοιχτά πρότυπα εξασφαλίζουν ότι αυτά είναι διαλειτουργικά, δημόσια προσβάσιμα και δεν «εγκλωβίζονται» σε μία πλατφόρμα ή σε έναν προμηθευτή. Τα τελικά αποτελέσματα συγκεντρώνονται σε ωριαίους μέσους όρους και δημοσιεύονται στην πύλη ανοιχτών δεδομένων, καθώς και σε μορφή infographics στον ιστότοπο του Air Break.

«Τα δεδομένα αυτά είναι θεμελιώδη», υποστηρίζει ο Alessandro Balboni, «γιατί επιτρέπουν στον Δήμο να περάσει από έναν πολεοδομικό σχεδιασμό που βασίζεται στη διακριτική ευχέρεια σε έναν σχεδιασμό με επιστημονική τεκμηρίωση». Χάρη σε αυτά, η πόλη μπορεί να εντοπίζει τις πιο ευάλωτες περιοχές της και να στοχεύει με ακρίβεια τις δημόσιες παρεμβάσεις. «Στις άμεσες δράσεις μας κατά την προηγούμενη θητεία περιλαμβάνονται η φύτευση 15.000 νέων δέντρων και η κατάργηση δεκάδων θέσεων στάθμευσης, στη θέση των οποίων τοποθετήθηκαν υδατοπερατά δάπεδα. Τα δεδομένα μάς επιτρέπουν να μετατρέπουμε χώρους αφιλόξενους και επικίνδυνους για τους ευάλωτους πολίτες σε τόπους βιώσιμους, που οι κάτοικοι αγαπούν».

Ανοιχτά δεδομένα στην υπηρεσία του πολεοδομικού σχεδιασμού

Για τον Alessandro Balboni, η πύλη ανοιχτών δεδομένων και η υιοθέτηση των ανοιχτών προτύπων OGC «αλλάζουν τους κανόνες του παιχνιδιού», κυρίως σε ανθρώπινο, προσωπικό επίπεδο. Όπως τονίζει, «όταν μια δημόσια διοίκηση αποφασίζει να παρέμβει στην πράξη στην πόλη, το να έχει στη διάθεσή της όλα αυτά τα δεδομένα έτοιμα της επιτρέπει να παίρνει αποφάσεις με πραγματικό θετικό αντίκτυπο».

Ο Federico Modonesi, προϊστάμενος του Τμήματος Πληροφορικής του Δήμου, κλείνει με μια πρακτική συμβουλή προς όσες πόλεις σκοπεύουν να υλοποιήσουν αντίστοιχα έργα: «Χρησιμοποιήστε εργαλεία ανοιχτού κώδικα». Όπως υπογραμμίζει, «τα ανοιχτά εργαλεία επιτρέπουν στα έργα να συνεχίζονται μακροπρόθεσμα, αφού επιβιώνουν της δημοτικής αρχής που τα ξεκίνησε και προσαρμόζονται καθώς αλλάζουν οι ανάγκες».

Πηγή άρθρου: https://interoperable-europe.ec.europa.eu/

Από τα LLMs στους πράκτορες ΤΝ: τα νέα εργαλεία για χημεία και επιστήμη υλικών**
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για τα Ανοιχτά Μαθήματα

Από τον ψηφιακό βοηθό στο υπολογιστικό εργαστήριο

Πριν από λίγους μήνες εξετάσαμε τα μεγάλα γλωσσικά μοντέλα στην επιστημονική έρευνα και καταλήξαμε σε ένα κρίσιμο συμπέρασμα: είναι ισχυρά βοηθητικά εργαλεία, όχι αυτόνομοι επιστήμονες. Η εικόνα αυτή δεν έχει ανατραπεί. Έχει όμως γίνει πολύ πιο ενδιαφέρουσα. Το 2026 η σημαντικότερη εξέλιξη στη χημεία και στην επιστήμη υλικών δεν είναι απλώς η εμφάνιση καλύτερων μεγάλων γλωσσικών μοντέλων, αλλά η σύνδεσή τους με επιστημονικές βάσεις δεδομένων, υπολογιστικά εργαλεία, προσομοιώσεις και εργαστηριακό εξοπλισμό.

Αυτό δημιουργεί μια νέα κατηγορία πρακτορικής ΤΝ. Αντί το μοντέλο απλώς να απαντά σε μια ερώτηση, ένας πράκτορας μπορεί να αναζητήσει δεδομένα, να καλέσει ένα πρόγραμμα χημείας, να εκτελέσει υπολογισμό, να αξιολογήσει το αποτέλεσμα και να προτείνει το επόμενο βήμα.

Εξειδικευμένα γλωσσικά μοντέλα για τη χημεία

Μία πρώτη κατηγορία είναι τα επιστημονικά γλωσσικά μοντέλα. Το ether0 της FutureHouse είναι μοντέλο 24 δισ. παραμέτρων με ανοιχτά βάρη, ειδικά εκπαιδευμένο σε προβλήματα χημικού συλλογισμού και σχεδιασμού μορίων. Δεν αποτελεί γενικό συνομιλιακό βοηθό και οι ίδιοι οι δημιουργοί του επισημαίνουν τις αδυναμίες του σε καθιερωμένες δοκιμασίες χημείας.

Το Intern-S1 κινείται προς διαφορετική κατεύθυνση. Είναι πολυτροπικό επιστημονικό μοντέλο που μπορεί να επεξεργάζεται επιστημονικό κείμενο και εικόνες και έχει εκπαιδευτεί σε μεγάλο όγκο επιστημονικών δεδομένων. Η νεότερη οικογένεια περιλαμβάνει επίσης μικρότερη έκδοση, κάτι ιδιαίτερα ενδιαφέρον για πανεπιστημιακά εργαστήρια που δεν διαθέτουν μεγάλη υπολογιστική υποδομή.

Παράλληλα υπάρχουν μικρότερα εξειδικευμένα μοντέλα, όπως τα ChemDFM και ChemLLM, τα οποία μπορούν να αξιοποιηθούν για πειραματισμό, διδασκαλία και έρευνα χωρίς να απαιτείται πάντοτε πρόσβαση σε εμπορικές υπηρεσίες ΤΝ.

Οι πράκτορες αλλάζουν το ερευνητικό μοντέλο

Πιο ουσιαστική είναι η μετάβαση από το γλωσσικό μοντέλο στον πράκτορα. Το ChemCrow έδειξε ότι ένα LLM μπορεί να συνδεθεί με εξειδικευμένα εργαλεία χημείας για εργασίες οργανικής σύνθεσης, ανακάλυψης φαρμάκων και σχεδιασμού υλικών. Το Coscientist προχώρησε περισσότερο, συνδέοντας γλωσσικά μοντέλα με αναζήτηση τεκμηρίωσης, εκτέλεση κώδικα και εργαστηριακό αυτοματισμό.

Νεότερο και ιδιαίτερα ενδιαφέρον για την εκπαίδευση είναι το ChemGraph του Argonne National Laboratory. Συνδέει αιτήματα σε φυσική γλώσσα με RDKit, Atomic Simulation Environment, MACE και άλλα εργαλεία. Έτσι ο φοιτητής μπορεί να παρακολουθήσει ολόκληρη τη διαδρομή από μια ερώτηση έως την κατασκευή μορίου, την προσομοίωση και την ανάλυση του αποτελέσματος. Επειδή ο κώδικάς του είναι διαθέσιμος, προσφέρεται και για τη διδασκαλία του ίδιου του τρόπου λειτουργίας των πρακτόρων.

Στην παραγωγή επιστημονικών υποθέσεων, το MOOSE-Chem χρησιμοποιεί πολλούς πράκτορες για αναζήτηση πιθανών πηγών έμπνευσης, σύνθεση υποθέσεων και αξιολόγησή τους. Πρόκειται όμως για παραγωγή υποψηφίων ερευνητικών υποθέσεων, όχι για μηχανή που αποδεικνύει ότι μια υπόθεση είναι αληθής.

Η επιστήμη υλικών ίσως βρίσκεται ακόμη πιο μπροστά

Στα υλικά, η ΤΝ έχει προχωρήσει πέρα από τα γλωσσικά μοντέλα. Το MatterGen της Microsoft χρησιμοποιεί μοντέλο διάχυσης για να δημιουργεί υποψήφια ανόργανα υλικά με επιθυμητές ιδιότητες. Το MatterSim χρησιμοποιείται για γρήγορες ατομιστικές προσομοιώσεις.

Ακόμη μεγαλύτερο πρακτικό ενδιαφέρον παρουσιάζουν τα διατομικά δυναμικά μηχανικής μάθησης. Εργαλεία όπως MACE-MP και CHGNet μπορούν να προσεγγίσουν υπολογισμούς ενέργειας και δυνάμεων με πολύ μικρότερο υπολογιστικό κόστος από συμβατικούς κβαντομηχανικούς υπολογισμούς. Σε εκπαιδευτικό επίπεδο αυτό είναι σημαντικό, επειδή μέρος της σύγχρονης υπολογιστικής επιστήμης υλικών μπορεί πλέον να διδαχθεί ακόμη και μέσω ενός notebook ή ενός σχετικά προσιτού υπολογιστικού συστήματος.

Ιδιαίτερα χρήσιμο είναι και το Materials Project. Οι νεότερες εκδόσεις της διεπαφής του περιλαμβάνουν διακομιστή Model Context Protocol, ώστε ένας πράκτορας ΤΝ να αναζητά απευθείας δομημένα επιστημονικά δεδομένα. Αυτή είναι μια θεμελιώδης αλλαγή: αντί να ζητούμε από ένα LLM να «θυμάται» μια ιδιότητα υλικού, μπορούμε να το υποχρεώνουμε να την αναζητεί στην επιστημονική βάση δεδομένων.

Από τον υπολογιστή στο αυτόνομο εργαστήριο

Το επόμενο βήμα είναι το αυτόνομο εργαστήριο. Το RoboChem-Flex, που δημοσιεύθηκε το 2026, σχεδιάστηκε ακριβώς για να μειώσει το κόστος εισόδου. Συνδυάζει αρθρωτό εξοπλισμό, λογισμικό Python και βελτιστοποίηση Bayes για αυτόνομους κύκλους πειραμάτων, διατηρώντας παράλληλα τη δυνατότητα ανθρώπινης παρέμβασης.

Το MOSAIC ακολουθεί διαφορετική προσέγγιση. Χρησιμοποιεί 2.498 εξειδικευμένα μοντέλα βασισμένα στο Llama 3.1 8B για να μετατρέπει τη συσσωρευμένη γνώση εκατομμυρίων αντιδράσεων σε προτεινόμενα πειραματικά πρωτόκολλα. Η πειραματική επικύρωση που αναφέρουν οι ερευνητές έδωσε συνολικό ποσοστό επιτυχίας 71%.

Αυτό δεν σημαίνει ότι δημιουργήθηκε ο «αυτόνομος χημικός». Σημαίνει ότι συγκεκριμένα τμήματα της επιστημονικής εργασίας μπορούν πλέον να αυτοματοποιηθούν και να συνδεθούν μεταξύ τους.

Τι μπορεί να κάνει σήμερα ένας εκπαιδευτικός

Η μεγαλύτερη εκπαιδευτική ευκαιρία δεν είναι να δώσουμε στους φοιτητές ένα chatbot που λύνει τις ασκήσεις τους. Είναι να τους δώσουμε πρόσβαση στην πραγματική υπολογιστική επιστήμη.

Με RDKit μπορούν να εργαστούν με μοριακές δομές. Με Materials Project να αναζητήσουν πραγματικά δεδομένα υλικών. Με MACE ή CHGNet να εκτελέσουν ατομιστικές προσομοιώσεις. Με ChemGraph να μελετήσουν πώς ένας πράκτορας συνδυάζει διαφορετικά επιστημονικά εργαλεία. Με ChemBench μπορούν ακόμη να εξετάσουν συστηματικά πού αποτυγχάνουν τα ίδια τα LLMs.

Αυτό έχει ιδιαίτερη παιδαγωγική αξία. Η σωστή άσκηση δεν είναι μόνο «ρώτησε την ΤΝ». Είναι «ρώτησε, έλεγξε την πηγή, εκτέλεσε τον υπολογισμό, σύγκρινε το αποτέλεσμα και εξήγησε το σφάλμα».

Ανοιχτή επιστήμη αντί για νέο μαύρο κουτί

Χρειάζεται όμως προσοχή στη λέξη «ανοιχτό». Ανοιχτά βάρη δεν σημαίνουν πάντοτε ανοιχτός κώδικας, ενώ μια μη εμπορική άδεια δεν είναι άδεια ανοιχτού λογισμικού. Επιπλέον, ένα δημοσιευμένο επιστημονικό σύστημα δεν είναι κατ’ ανάγκη πλήρως αναπαραγώγιμο.

Για πανεπιστήμια και σχολές χημείας, φυσικής, μηχανικής και επιστήμης υλικών, η καλύτερη επένδυση επομένως δεν είναι μια ακόμη συνδρομή σε ένα κλειστό chatbot. Είναι η δημιουργία κοινών εκπαιδευτικών υποδομών με ανοιχτό λογισμικό, επιστημονικές βάσεις δεδομένων, notebooks, τοπικά μοντέλα και αναπαραγώγιμα πειράματα.

Η ΤΝ γίνεται επιστημονικά ενδιαφέρουσα όταν παύει να είναι «μηχανή απαντήσεων» και μετατρέπεται σε ελεγχόμενο εργαλείο μέσα στην επιστημονική μέθοδο. Ο άνθρωπος εξακολουθεί να διατυπώνει το ερώτημα, να ελέγχει τις παραδοχές, να κρίνει τα δεδομένα και τελικά να αποφασίζει τι συνιστά επιστημονική γνώση.

Πηγές άρθρου:

ChemBench, Nature Chemistry: Συστηματικό πλαίσιο αξιολόγησης των γνώσεων και του συλλογισμού μεγάλων γλωσσικών μοντέλων στη χημεία έναντι ειδικών χημικών: https://www.nature.com/articles/s41557-025-01815-x
FutureHouse, ether0: Εξειδικευμένο μοντέλο συλλογισμού 24B με ανοιχτά βάρη για προβλήματα χημείας και σχεδιασμού μορίων: https://www.futurehouse.org/news/ether0-a-scientific-reasoning-model-for-chemistry
Intern-S1, Shanghai AI Laboratory: Πολυτροπική οικογένεια επιστημονικών μοντέλων με ειδικές δυνατότητες σε χημεία, υλικά και άλλους επιστημονικούς κλάδους: https://github.com/InternLM/Intern-S1
ChemCrow, Nature Machine Intelligence: Πράκτορας που συνδέει μεγάλο γλωσσικό μοντέλο με 18 εξειδικευμένα εργαλεία για οργανική σύνθεση, ανακάλυψη φαρμάκων και σχεδιασμό υλικών: https://www.nature.com/articles/s42256-024-00832-8
Coscientist, Nature: Εμβληματική εργασία για τη σύνδεση LLMs με αναζήτηση, εκτέλεση κώδικα και εργαστηριακό αυτοματισμό για τον σχεδιασμό και την εκτέλεση χημικών πειραμάτων: https://www.nature.com/articles/s41586-023-06792-0
ChemGraph, Communications Chemistry: Ανοιχτό πρακτορικό πλαίσιο που συνδέει φυσική γλώσσα με RDKit, ASE, MACE και εργαλεία υπολογιστικής χημείας και επιστήμης υλικών: https://www.nature.com/articles/s42004-025-01776-9
MOOSE-Chem, ICLR 2025: Πολυπρακτορικό σύστημα για αναζήτηση επιστημονικών πηγών έμπνευσης και διατύπωση υποψηφίων ερευνητικών υποθέσεων στη χημεία: https://proceedings.iclr.cc/paper_files/paper/2025/hash/51fd9a7d1706023cb9f8210cc6ac357c-Abstract-Conference.html
MOSAIC, Nature 2026: Σύστημα 2.498 εξειδικευμένων μοντέλων για παραγωγή εκτελέσιμων πρωτοκόλλων χημικής σύνθεσης, με πειραματική αξιολόγηση σε νέες ενώσεις: https://www.nature.com/articles/s41586-026-10131-4
Microsoft Research, MatterGen και MatterSim: Μοντέλα για παραγωγικό σχεδιασμό ανόργανων υλικών και ατομιστικές προσομοιώσεις σε ευρύ φάσμα συνθηκών: https://www.microsoft.com/en-us/research/project/materials/
MACE Foundation Models: Ανοιχτή οικογένεια προεκπαιδευμένων μοντέλων για ατομιστικές προσομοιώσεις και χημεία υλικών, με το MACE-MP να καλύπτει 89 στοιχεία: https://github.com/ACEsuit/mace-foundations
CHGNet, Berkeley και Lawrence Berkeley National Laboratory: Ανοιχτό προεκπαιδευμένο νευρωνικό δυναμικό για ατομιστική μοντελοποίηση υλικών, εκπαιδευμένο σε δεδομένα του Materials Project: https://github.com/CederGroupHub/chgnet
Materials Project, Model Context Protocol: Η επίσημη υποδομή MCP επιτρέπει σε πράκτορες και LLMs να αναζητούν δομημένα δεδομένα απευθείας από το Materials Project αντί να βασίζονται αποκλειστικά στις παραμέτρους του μοντέλου: https://github.com/materialsproject/public-docs/blob/main/services/ml-and-ai-applications/mcp.md
RoboChem-Flex, Nature Synthesis 2026: Αρθρωτή και σχετικά χαμηλού κόστους πλατφόρμα αυτόνομου εργαστηρίου για αυτοματοποιημένη βελτιστοποίηση χημικών αντιδράσεων: https://www.nature.com/articles/s44160-026-01053-0
UNESCO, Guidance for Generative AI in Education and Research: Διεθνές πλαίσιο για ανθρωποκεντρική, ασφαλή και παιδαγωγικά τεκμηριωμένη αξιοποίηση της παραγωγικής ΤΝ στην εκπαίδευση και την έρευνα: https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research

**Στοιχεία και εκδόσεις εργαλείων τον Σεπτέμβριο 2026.

EU Open Source  Policy Summit 2027: 29 Ιανουαρίου 2027 στις Βρυξέλλες
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για την Ανοιχτή Διακυβέρνηση

Η σύνοδος διοργανώνεται από το OpenForum Europe (OFE). Θα πραγματοποιηθεί την Παρασκευή 29 Ιανουαρίου 2027 στις Βρυξέλλες, με δυνατότητα και διαδικτυακής παρακολούθησης. Οι ενδιαφερόμενοι μπορούν ήδη να δηλώσουν ενδιαφέρον για φυσική συμμετοχή ή να εγγραφούν για τη διαδικτυακή έκδοση. Οι εργασίες διαρκούν από τις 09:00 έως τις 20:00 ώρα Κεντρικής Ευρώπης.

Το θέμα: η Στρατηγική Ανοιχτού Κώδικα στην πράξη

Κεντρικό θέμα της φετινής διοργάνωσης είναι η μετατροπή των ευρωπαϊκών φιλοδοξιών για τον ανοιχτό κώδικα σε πραγματικότητα. Η σύνοδος εξετάζει πώς μπορεί να εφαρμοστεί στην πράξη η Στρατηγική Ανοιχτού Κώδικα της Ευρωπαϊκής Επιτροπής.

Οι συζητήσεις αφορούν τρία ερωτήματα. Πρώτον, πώς η ΕΕ μπορεί να μειώσει την τεχνολογική της εξάρτηση και να παραμείνει ενεργός συμμετέχων στη διεθνή συνεργασία. Δεύτερον, πώς θα διατηρήσει ανταγωνιστικές τις υπάρχουσες ψηφιακές επιχειρήσεις της και θα βοηθήσει νέες να αναπτυχθούν. Τρίτον, πώς θα στηρίξει το οικοσύστημα ανοιχτού κώδικα ώστε να υπηρετήσει αυτούς τους στόχους

Οι τρεις προτεραιότητες

Το πρόγραμμα οργανώνεται γύρω από τρεις άξονες:

Τις δημόσιες προμήθειες ως μοχλό για τη διάδοση του ανοιχτού κώδικα και για νέες ευκαιρίες ανάπτυξης. Το Δημόσιο είναι από τους μεγαλύτερους αγοραστές λογισμικού στην Ευρώπη. Οι επιλογές του στους διαγωνισμούς μπορούν να διαμορφώσουν την αγορά.
Τα εργαλεία σε επίπεδο ΕΕ για τη χρηματοδότηση, τη συντήρηση και τη βιωσιμότητα του οικοσυστήματος ανοιχτού κώδικα. Πολλά κρίσιμα έργα στηρίζονται σε λίγους εθελοντές συντηρητές, και η βιώσιμη χρηματοδότησή τους παραμένει ανοιχτό ζήτημα.
Τον ρόλο του ανοιχτού υλικού (open hardware) στη βιομηχανική και ψηφιακή πολιτική της Ευρώπης. Η συζήτηση επεκτείνεται έτσι πέρα από το λογισμικό, προς τα τσιπ, τις συσκευές και τις υποδομές.

Η σύνοδος έχει καθιερωθεί ως χώρος διαλόγου ανάμεσα σε θεσμικά όργανα της ΕΕ, κυβερνήσεις, επιχειρήσεις και την κοινότητα ανοιχτού κώδικα. Η φετινή έμφαση στην υλοποίηση δείχνει μια μετατόπιση. Το ερώτημα δεν είναι πια αν η Ευρώπη χρειάζεται τον ανοιχτό κώδικα για την ψηφιακή της κυριαρχία. Το ερώτημα είναι πώς θα τον χρηματοδοτήσει, θα τον προμηθευτεί και θα τον ενσωματώσει στη βιομηχανική της πολιτική.

Περισσότερες πληροφορίες και εγγραφές στον ιστότοπο της συνόδου.

Ημερομηνία/Ώρα	Εκδήλωση
21/01/2025 – 01/09/2027 Ολοήμερο	#online event: Adopt and scale AI
28/09/2026 – 01/10/2026 Ολοήμερο	Alpine Linux Persistence and Storage Summit Lizumerhütte, Wattenberg
28/09/2026 – 01/10/2026 Ολοήμερο	DrupalCon Rotterdam 2026 The Postillion Hotel & Convention Centre WTC Rotterdam, Rotterdam
28/09/2026 – 30/09/2026 Ολοήμερο	X.Org Developer’s Conference (XDC) Daniels Spectrum, Toronto
29/09/2026 Ολοήμερο	#online event: Interoperable Europe Community Talk #6 \| LEOS and EdiT: Advancing collaborative and interoperable legislative drafting
30/09/2026 – 01/10/2026 Ολοήμερο	All Systems Go! Alte Münze, Berlin
30/09/2026 – 01/10/2026 Ολοήμερο	Automotive Grade Linux (AGL) DOUBLETREE BERLIN KU’DAMM, Berlin
01/10/2026 – 02/10/2026 Ολοήμερο	#hybrid event: eLSA symposium Eden Hotel Göttingen, Göttingen
01/10/2026 – 03/10/2026 Ολοήμερο	Software Freedom Kosova Pallati i Rinisë dhe Sporteve, Luan Haradinaj Prishtinë
01/10/2026 15:00 – 16:00	#online event: Training 3: 2026 biennial KPI survey for the EOSC Partnership

Ημερομηνία/Ώρα	Εκδήλωση
01/10/2026 17:00 – 20:00	#online event: kcpCON 2026
02/10/2026 – 04/10/2026 Ολοήμερο	GNU Tools Cauldron Charles University Department of Maths and Physics, Praha
02/10/2026 – 04/10/2026 Ολοήμερο	RomHack Camp Polo Didattico, Rome
03/10/2026 Ολοήμερο	Dev Days Cape Town 2026 BBD Cape Town Northbank Building, Century City
03/10/2026 Ολοήμερο	Kubernetes Community Day’s Argentina 2026 Ciudad Autonoma de Buenos Aires, Buenos Aires
03/10/2026 – 04/10/2026 Ολοήμερο	openSUSE.Asia Summit 2026 Convention Hall UIN Sunan Kalijaga, Papringan Daerah Istimewa Yogyakarta
03/10/2026 – 04/10/2026 Ολοήμερο	WordCamp Rajasthan 2026 Rajasthan International Centre, Jhalana Doongri Rajasthan
03/10/2026 – 24/10/2026 16:00 – 20:30	Σεμινάρια Linux Essentials & Web Development Essentials Δημοτικό Κέντρο Ελεύθερου Λογισμικού, Πυλαία, Θεσσαλονίκη.
06/10/2026 – 09/10/2026 Ολοήμερο	Open Transport Community Conference 2026 SBB headquarters, Bern

Ανοιχτά δεδομένα επιχειρήσεων στην πράξη: πώς οι ελβετικές πρωτοβουλίες απλοποιούν τη λογιστική καθημερινότητα
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για τα Ανοιχτά Δεδομένα

Πόσος χρόνος αναλώνεται καθημερινά σε λογιστήρια και διοικητικές υπηρεσίες για να διαπιστωθεί αν ένας προμηθευτής ή πελάτης υπάρχει πράγματι, αν παραμένει ενεργός και αν ο αριθμός μητρώου του είναι ορθός; Στην Ελβετία, η απάντηση σε αυτό το ερώτημα γίνεται ολοένα απλούστερη χάρη στα ανοιχτά δημόσια δεδομένα. Η Navor, ελβετική εταιρεία λογισμικού, αποδεικνύει έμπρακτα πώς τα ... Read more

Από την εποπτεία στη συμμετοχή: ένα ευρωπαϊκό δίκτυο για ανθρωποκεντρική και ανοιχτή Τεχνητή Νοημοσύνη
by: Οργανισμός Ανοιχτών Τεχνολογιών – ΕΕΛΛΑΚ

Σε αυτό το πεδίο αποκτά ιδιαίτερη σημασία το ελληνικό Δίκτυο-Παρατηρητήριο για την Τεχνητή Νοημοσύνη και τις Τεχνολογίες Αιχμής, που ξεκίνησε ως Greek Artificial Intelligence Network, GAIN. Η αξία μιας τέτοιας πρωτοβουλίας δεν βρίσκεται μόνο στην παρακολούθηση της εφαρμογής της ευρωπαϊκής νομοθεσίας. Βρίσκεται στη δυνατότητα να συνδέσει οργανώσεις δικαιωμάτων, τεχνικές κοινότητες, ερευνητές, κοινωνικούς φορείς και ανεξάρτητες αρχές σε ένα μόνιμο οικοσύστημα δημόσιου ελέγχου.

Από την προστασία των δικαιωμάτων στον έλεγχο της τεχνολογίας

Το δίκτυο δημιουργήθηκε το 2025 μέσα από συνεργασία οργανώσεων της κοινωνίας των πολιτών, μεταξύ των οποίων και ο Οργανισμός Ανοιχτών Τεχνολογιών ΕΕΛΛΑΚ. Αφετηρία του ήταν η ανάγκη προστασίας των ανθρωπίνων δικαιωμάτων, της δημοκρατίας και του κράτους δικαίου κατά την ανάπτυξη και χρήση συστημάτων ΤΝ στην Ελλάδα.

Αυτό αποκτά ιδιαίτερη σημασία καθώς εφαρμόζεται ο ευρωπαϊκός Κανονισμός για την Τεχνητή Νοημοσύνη. Ο Κανονισμός δημιουργεί κανόνες, υποχρεώσεις και μηχανισμούς εποπτείας. Η νομοθεσία, όμως, δεν αρκεί από μόνη της. Χρειάζονται φορείς που μπορούν να παρακολουθούν πώς εφαρμόζεται στην πράξη, να εντοπίζουν προβλήματα, να εκπροσωπούν όσους επηρεάζονται και να μετατρέπουν τεχνικά ζητήματα σε αντικείμενο δημόσιου διαλόγου.

Εδώ βρίσκεται ο ιδιαίτερος ρόλος ενός κοινωνικού παρατηρητηρίου. Δεν αντικαθιστά τις αρμόδιες δημόσιες αρχές. Τις συμπληρώνει με ανεξάρτητη έρευνα, κοινωνικό έλεγχο, ενημέρωση και τεχνική τεκμηρίωση.

Η Ευρώπη διαθέτει ήδη ένα οικοσύστημα ελέγχου

Το ελληνικό εγχείρημα δεν ξεκινά από το μηδέν. Στην Ευρώπη λειτουργεί ήδη ένα πλέγμα οργανώσεων και θεσμών από το οποίο μπορεί να αντλήσει τεχνογνωσία.

Το European Digital Rights, EDRi, έχει αναπτύξει ένα πανευρωπαϊκό δίκτυο οργανώσεων ψηφιακών δικαιωμάτων και έχει συμβάλει συστηματικά στη δημόσια συζήτηση για τον Κανονισμό ΤΝ. Η AlgorithmWatch έχει αναπτύξει ένα διαφορετικό αλλά συμπληρωματικό πρότυπο: συνδυάζει έρευνα, τεχνική ανάλυση και δημόσια παρέμβαση για τις κοινωνικές επιπτώσεις των αλγοριθμικών συστημάτων.

Παράλληλα, το ENNHRI συνδέει τους εθνικούς θεσμούς ανθρωπίνων δικαιωμάτων, ενώ το Equinet έχει αναπτύξει ειδική τεχνογνωσία για τις αλγοριθμικές διακρίσεις και τον ρόλο των φορέων ισότητας. Στον δημόσιο τομέα, το Public Sector Tech Watch της Ευρωπαϊκής Επιτροπής καταγράφει περισσότερες από 1.500 περιπτώσεις αξιοποίησης αναδυόμενων τεχνολογιών στις ευρωπαϊκές δημόσιες διοικήσεις. Στον ιδιαίτερα ευαίσθητο χώρο των φαρμάκων, ο Ευρωπαϊκός Οργανισμός Φαρμάκων και οι εθνικές ρυθμιστικές αρχές χρησιμοποιούν το δικό τους AI Observatory για τη συστηματική παρακολούθηση των εξελίξεων.

Από αυτά τα παραδείγματα προκύπτει ένα χρήσιμο ευρωπαϊκό πρότυπο: δικτύωση της κοινωνίας των πολιτών, ανεξάρτητη έρευνα, τεχνική ικανότητα, θεσμική συνεργασία και συστηματική συλλογή δεδομένων.

Ανθρωποκεντρική ΤΝ σημαίνει δυνατότητα ελέγχου

Ο όρος «ανθρωποκεντρική ΤΝ» δεν πρέπει να περιοριστεί σε μια γενική διακήρυξη αρχών. Σημαίνει ότι ο άνθρωπος που επηρεάζεται από ένα σύστημα πρέπει να γνωρίζει ότι αυτό χρησιμοποιείται, να μπορεί να κατανοήσει τον ρόλο του στη λήψη μιας απόφασης και να έχει πραγματική δυνατότητα αμφισβήτησης και προσφυγής.

Αυτό είναι ιδιαίτερα κρίσιμο όταν η ΤΝ χρησιμοποιείται για προσλήψεις, κοινωνικές παροχές, εκπαίδευση, αστυνόμευση, μετανάστευση ή πρόσβαση σε δημόσιες υπηρεσίες. Σε τέτοιες περιπτώσεις δεν αρκεί να γνωρίζουμε ότι ένας προμηθευτής δηλώνει πως το προϊόν του είναι «υπεύθυνο». Χρειαζόμαστε τεκμηρίωση, ανεξάρτητη αξιολόγηση, καταγραφή περιστατικών και δυνατότητα δημόσιου ελέγχου.

Το παρατηρητήριο μπορεί επομένως να λειτουργεί ως μηχανισμός έγκαιρης προειδοποίησης. Να εντοπίζει εφαρμογές υψηλού κοινωνικού κινδύνου πριν τα προβλήματα μετατραπούν σε παγιωμένες διοικητικές πρακτικές.

Η ανθρωποκεντρική ΤΝ πρέπει να είναι και ανοιχτή

Εδώ η συμμετοχή της ΕΕΛΛΑΚ μπορεί να προσθέσει μια κρίσιμη διάσταση. Η προστασία δικαιωμάτων συνδέεται άμεσα με την τεχνική ελεγξιμότητα.

Η ανοιχτή ΤΝ δεν σημαίνει απλώς δημοσίευση των βαρών ενός μοντέλου. Χρειάζεται ευρύτερη διαφάνεια για τα δεδομένα, τις μεθόδους αξιολόγησης, τις τεχνικές εξαρτήσεις, τους περιορισμούς και τις συνθήκες λειτουργίας του συστήματος. Όπου το επιτρέπουν η ασφάλεια και η προστασία προσωπικών δεδομένων, ο κώδικας, τα πρότυπα, οι διεπαφές και τα μη προσωπικά δεδομένα πρέπει να είναι διαθέσιμα για ανεξάρτητο έλεγχο και επαναχρησιμοποίηση.

Ιδιαίτερα στον δημόσιο τομέα, κάθε σύστημα ΤΝ πρέπει να αφήνει πίσω του δημόσια γνώση και όχι μια νέα εξάρτηση από τον προμηθευτή. Ανοιχτά πρότυπα, τεκμηριωμένες διεπαφές, δημόσια μητρώα συστημάτων ΤΝ, ανοιχτά δεδομένα και ελέγξιμος κώδικας μπορούν να μετατρέψουν τη διαφάνεια από πολιτική διακήρυξη σε τεχνική ιδιότητα της δημόσιας υποδομής.

Από την παρακολούθηση σε ένα ευρωπαϊκό κοινό αγαθό

Το επόμενο βήμα θα μπορούσε να είναι η στενότερη διασύνδεση αυτών των ευρωπαϊκών πρωτοβουλιών. Ένα ελληνικό παρατηρητήριο δεν χρειάζεται να δημιουργήσει μόνο του μεθοδολογίες ελέγχου, δείκτες κινδύνου, εργαλεία καταγραφής ή πρότυπα αξιολόγησης. Μπορεί να συνεργάζεται με ομόλογους φορείς, να ανταλλάσσει δεδομένα και εργαλεία και να συμμετέχει στη δημιουργία κοινών, ανοιχτών μεθοδολογιών.

Έτσι, τα παρατηρητήρια μπορούν να εξελιχθούν από χώρους καταγραφής προβλημάτων σε υποδομές δημοκρατικής διακυβέρνησης της ΤΝ.

Η Ευρώπη έχει μια πραγματική ευκαιρία να διαφοροποιηθεί από ένα μοντέλο στο οποίο λίγες εταιρείες ελέγχουν τα μοντέλα, τα δεδομένα, τις υπολογιστικές υποδομές και τελικά τους όρους πρόσβασης στη νέα τεχνολογία. Η εναλλακτική είναι ένα οικοσύστημα όπου δημόσιοι θεσμοί, πανεπιστήμια, επιχειρήσεις, κοινότητες ανοιχτού λογισμικού και οργανώσεις της κοινωνίας των πολιτών συνδιαμορφώνουν την ΤΝ.

Η Τεχνητή Νοημοσύνη γίνεται πραγματικά ανθρωποκεντρική όταν ο άνθρωπος διατηρεί δικαιώματα και ουσιαστικό έλεγχο. Και γίνεται πραγματικά ανοιχτή όταν η κοινωνία διαθέτει τα μέσα όχι μόνο να τη χρησιμοποιεί, αλλά και να την εξετάζει, να την αμφισβητεί, να τη βελτιώνει και να συμμετέχει στη διακυβέρνησή της.

Πηγές άρθρου:

Homo Digitalis, Κοινή διακήρυξη για τη δημιουργία δικτύου προστασίας Δικαιωμάτων του Ανθρώπου κατά την ανάπτυξη και χρήση συστημάτων ΤΝ, GAIN: Τεκμηριώνει τη δημιουργία του ελληνικού δικτύου το 2025, τη συμμετοχή οργανώσεων της κοινωνίας των πολιτών και τον προσανατολισμό του στην προστασία ανθρωπίνων δικαιωμάτων, δημοκρατίας και κράτους δικαίου: https://homodigitalis.gr/posts/134783/,
Ευρωπαϊκή Επιτροπή, AI Act: Η παρουσίαση του Κανονισμού (ΕΕ) 2024/1689 και της προσέγγισης της Ευρωπαϊκής Ένωσης για αξιόπιστη και ανθρωποκεντρική ΤΝ, με προστασία της ασφάλειας και των θεμελιωδών δικαιωμάτων: https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai,
European Digital Rights, EDRi, Civil Society and the AI Act: Το μεγαλύτερο ευρωπαϊκό δίκτυο ψηφιακών δικαιωμάτων έχει συντονίσει οργανώσεις της κοινωνίας των πολιτών γύρω από την προστασία δικαιωμάτων, τη διαφάνεια, τη λογοδοσία και τη δυνατότητα προσφυγής απέναντι σε συστήματα ΤΝ: https://edri.org/our-work/the-eus-artificial-intelligence-act-civil-society-amendments/,
AlgorithmWatch, Vision, Mission & Values: Ευρωπαϊκό παράδειγμα ανεξάρτητης παρακολούθησης αλγοριθμικών συστημάτων, με σύνδεση της τεχνικής έρευνας με τη δημοκρατία, το κράτος δικαίου, τα ανθρώπινα δικαιώματα, την ισότητα και τη βιωσιμότητα: https://algorithmwatch.org/en/vision-mission-values/,
European AI & Society Fund, Homo Digitalis και G.A.I.N.: Τεκμηριώνει τη χρηματοδότηση του G.A.I.N. για τον συντονισμό της ελληνικής κοινωνίας των πολιτών, καθώς και νεότερο έργο για τη δημιουργία δημόσιου μητρώου συστημάτων ΤΝ που χρησιμοποιούν ελληνικές αρχές και οργανισμοί της ΕΕ: https://europeanaifund.org/our-grantees/
ENNHRI, Artificial Intelligence: Το ευρωπαϊκό δίκτυο εθνικών θεσμών ανθρωπίνων δικαιωμάτων αναπτύσσει εργαλεία και κοινές δράσεις ώστε η ανάπτυξη και χρήση ΤΝ να συμμορφώνεται με τα ανθρώπινα δικαιώματα, τη δημοκρατία και το κράτος δικαίου: https://ennhri.org/our-work/topics/artificial-intelligence/,
Equinet, AI & Equality: Η ευρωπαϊκή πλατφόρμα των φορέων ισότητας συγκεντρώνει τεχνογνωσία, καλές πρακτικές και εργαλεία για τον εντοπισμό και την αντιμετώπιση αλγοριθμικών διακρίσεων και για την ενίσχυση της εποπτείας των συστημάτων ΤΝ: https://ai.equineteurope.org/,
Ευρωπαϊκή Επιτροπή, Public Sector Tech Watch: Ευρωπαϊκό παρατηρητήριο που καταγράφει περισσότερες από 1.500 περιπτώσεις αξιοποίησης ΤΝ, blockchain και άλλων αναδυόμενων τεχνολογιών στον δημόσιο τομέα, παρέχοντας ένα πρότυπο συστηματικής και ανοιχτής τεκμηρίωσης: https://interoperable-europe.ec.europa.eu/collection/public-sector-tech-watch,
European Medicines Agency και Heads of Medicines Agencies, AI Observatory: Θεσμικό παράδειγμα συστηματικής παρακολούθησης της ΤΝ σε έναν ιδιαίτερα ευαίσθητο τομέα, με ετήσιες εκθέσεις για εφαρμογές, κανονιστικές εξελίξεις, έρευνα και αναδυόμενες τάσεις: https://www.ema.europa.eu/en/about-us/how-we-work/data-regulation-big-data-other-sources/artificial-intelligence.

Ο πράκτορας γράφει, ο ειδικός κρίνει: γιατί οι πράκτορες ΤΝ χρειάζονται καλύτερους προγραμματιστές
by: ΕEΛ/ΛΑΚ: Ομάδα εργασίας για το Ανοιχτό Λογισμικό

Οι πράκτορες τεχνητής νοημοσύνης δεν περιορίζονται πια σε προτάσεις κώδικα. Σχεδιάζουν βήματα, αλλάζουν δεκάδες αρχεία και τρέχουν δοκιμές μόνοι τους, η ευθύνη όμως για ό,τι ενσωματώνεται σε ένα έργο παραμένει ανθρώπινη και απαιτεί περισσότερη γνώση. Τα πανεπιστήμια που το έχουν καταλάβει αλλάζουν ήδη τον τρόπο που διδάσκουν.

Ένα πείραμα 78 εντολών

Τον Ιούλιο του 2026 ο Διομήδης Σπινέλλης κατέγραψε δημόσια τη συνεργασία του με τον πράκτορα OpenAI Codex. Ήθελε το sed του έργου uutils, μιας επανυλοποίησης των βασικών εργαλείων Unix σε Rust, να επεξεργάζεται ακατέργαστα bytes αντί για χαρακτήρες, αλλαγή που άγγιξε 13 αρχεία με 1.740 γραμμές προσθήκες και 609 διαγραφές.

Ο πράκτορας έκανε μεγάλο μέρος της κουραστικής δουλειάς και, με τη βοήθεια των εκτεταμένων δοκιμών του έργου, ο κώδικας μεταγλωττιζόταν σε κάθε στάδιο. Από τις 78 εντολές του Σπινέλλη, ωστόσο, οι 61 ζητούσαν διόρθωση ή βελτίωση όσων είχε ήδη κάνει ο πράκτορας. Οι περισσότερες ήταν αποφάσεις σχεδίασης που προϋποθέτουν γνώση του κώδικα και της κοινότητας: μια λάθος προσέγγιση, κώδικας αντιγραμμένος σε δύο σημεία, μια συνάρτηση με τετραγωνική πολυπλοκότητα, δοκιμές που δεν ακολουθούσαν τις συμβάσεις του έργου.

Ο ίδιος αναγνωρίζει ότι οι πράκτορες βελτιώνονται, αλλά μαζί τους γίνονται απαιτητικότερες και οι εργασίες που τους αναθέτουμε. Όποιος τους αναθέτει ολόκληρη την ανάπτυξη θα πρέπει να αποδεχτεί ότι ο κώδικάς του σιγά σιγά θα φθείρεται και θα συσσωρεύει τεχνικό χρέος. Στους νέους προγραμματιστές θέτει ένα ευθύ ερώτημα: από πού θα αποκτήσουν τη γνώση για να αναγνωρίζουν τέτοια προβλήματα;

Από το vibe coding στη μηχανική με πράκτορες

Ο Andrej Karpathy, που επινόησε τον όρο vibe coding τον Φεβρουάριο του 2025, έγραψε έναν χρόνο αργότερα ότι ο προγραμματισμός μέσω πρακτόρων γίνεται πλέον η προεπιλογή για τους επαγγελματίες, με περισσότερη όμως εποπτεία. Πρότεινε τον όρο agentic engineering, που θα αποδίδαμε ως μηχανική με πράκτορες: ο άνθρωπος συντονίζει πράκτορες που γράφουν τον κώδικα και ελέγχει τη δουλειά τους, και η λέξη «μηχανική» δηλώνει τέχνη και επιστήμη που απαιτεί εξειδίκευση.

Σε ένα επόμενο κείμενό του ο Σπινέλλης εξηγεί ότι ένας πράκτορας μπορεί να κάνει χιλιάδες αλλαγές πριν ένας άνθρωπος ολοκληρώσει μία, με αποτελέσματα συχνά πειστικά αλλά ανεπαίσθητα λανθασμένα. Χρειάζονται λοιπόν δοκιμές, περιορισμένα δικαιώματα, σημεία ελέγχου, καταγραφή ενεργειών, όρια δαπανών και ενέργειες που αναιρούνται εύκολα. Σε πράκτορες αξίζει να ανατίθενται εργασίες οριοθετημένες, παρατηρήσιμες, αναστρέψιμες και ελέγξιμες με αντικειμενικό τρόπο, ενώ η λογοδοσία δεν μεταβιβάζεται ποτέ μαζί με την εκτέλεση. Ένας πράκτορας άλλωστε δεν αποκτά θεσμική γνώση όπως ένας εργαζόμενος και σπάνια θα διαφωνήσει με μια εντολή τυπικά σωστή αλλά οργανωσιακά παράλογη.

Ο έλεγχος, όπως έχει εξηγήσει ο ίδιος τον Μάιο, είναι δυσκολότερος απ’ όσο φαίνεται. Όποιος δουλεύει μόνος του σε άγνωστο κώδικα πρέπει να τον καταλάβει για να προχωρήσει, ενώ όποιος ελέγχει μια αλλαγή που πέρασε ήδη τη συνεχή ολοκλήρωση μπορεί να τη δεχτεί πιστεύοντας ότι την κατάλαβε. Τα λάθη ενός γλωσσικού μοντέλου μοιάζουν εύλογα, η προκατάληψη αυτοματοποίησης μας κάνει να ελέγχουμε λιγότερο, και οι λιγότερο έμπειροι δυσκολεύονται περισσότερο να κρίνουν πόσο καλά καταλαβαίνουν.

Οι κοινότητες ανοιχτού λογισμικού το έχουν αποτυπώσει σε κανόνες. Ο πυρήνας του Linux απαγορεύει στους πράκτορες να προσθέτουν ετικέτα Signed-off-by, γιατί μόνο άνθρωπος μπορεί να πιστοποιήσει νομικά την προέλευση του κώδικα. Όταν ένας πράκτορας αναζητά σφάλματα, οφείλει να επιχειρεί αναπαραγωγή τους, να δηλώνει τι δεν μπόρεσε να ελέγξει και να μη στέλνει ποτέ ο ίδιος τίποτα στους συντηρητές.

Τι έχουν δείξει οι μετρήσεις

Η δοκιμή της METR το 2025 έδειξε ότι έμπειροι συντηρητές ανοιχτού λογισμικού χρειάστηκαν 19% περισσότερο χρόνο με τα εργαλεία ΤΝ της εποχής, ενώ οι ίδιοι πίστευαν ότι είχαν επιταχυνθεί. Το 2026 η METR ανακοίνωσε ότι η συνέχεια της μελέτης δεν δίνει αξιόπιστο αποτέλεσμα, επειδή πολλοί αρνούνταν πλέον να δουλέψουν χωρίς ΤΝ, και θεωρεί πιθανή κάποια επιτάχυνση χωρίς να μπορεί να την υπολογίσει.

Για την εκπαίδευση πιο ενδιαφέρουσα είναι μια τυχαιοποιημένη δοκιμή της Anthropic, του Ιανουαρίου 2026, με 52 προγραμματιστές, κυρίως με λίγη εμπειρία. Όσοι έμαθαν μια άγνωστη βιβλιοθήκη Python με βοηθό ΤΝ πέτυχαν στο τεστ κατανόησης 50% έναντι 67%, με τη μεγαλύτερη διαφορά στην αποσφαλμάτωση. Όσοι ανέθεσαν όλη τη δουλειά στο εργαλείο έμειναν κάτω από 40%, ενώ όσοι ζητούσαν εξηγήσεις ξεπέρασαν το 65%. Οι ερευνητές σημειώνουν ότι με αυτόνομους πράκτορες η επίδραση πιθανότατα θα είναι εντονότερη.

Πώς απαντούν τα πανεπιστήμια

Στο Harvard, το CS50 του David Malan χρησιμοποιεί από το 2023 έναν δικό του βοηθό, το CS50 Duck. Κώδικας της ομάδας του μαθήματος ελέγχει κάθε απάντηση πριν τη δει ο φοιτητής και απορρίπτει όσες δίνουν έτοιμη λύση, ενώ ένα σύστημα «καρδιών» επιτρέπει λίγες ερωτήσεις ανά χρονικό διάστημα. Στο Stanford, το μάθημα CS146S «The Modern Software Developer», που δίδαξε πρώτος ο Mihail Eric το 2025, κινείται στην αντίθετη άκρη, αφού οι φοιτητές δουλεύουν με εργαλεία ΤΝ σε ρεαλιστικές εργασίες, με στόχο όμως να μάθουν και πότε και γιατί μπορούν να τα εμπιστευτούν.

Στο Σαν Ντιέγκο, ο Leo Porter ανασχεδίασε το εισαγωγικό μάθημα με βάση το βιβλίο που έγραψε με τον Daniel Zingaro του Πανεπιστημίου του Τορόντο, με έμφαση στην ανάγνωση, τη δοκιμή και την αποσφαλμάτωση κώδικα, και οι δύο ίδρυσαν το 2025 μια διεθνή κοινοπραξία που διαθέτει έτοιμα μαθήματα σε άλλα ιδρύματα. Στο MIT, το εισαγωγικό 6.100A επιτρέπει τη χρήση ΤΝ για την κατανόηση εννοιών, ο κώδικας όμως γράφεται από τον φοιτητή. Στο Ελσίνκι, ένα μάθημα έργου λογισμικού επέτρεψε ελεύθερη χρήση γλωσσικών μοντέλων εκτός από τις δοκιμές μονάδας.

Η ομάδα εργασίας της ACM κατέγραψε το 2026, με 763 απαντήσεις διδασκόντων από 49 χώρες, ότι το 87% ανησυχεί για την εξάρτηση των φοιτητών και το 68% έχει ήδη αλλάξει την αξιολόγηση, με προφορικές υποστηρίξεις και θέματα όπου ο φοιτητής κρίνει κώδικα που πρότεινε ένα μοντέλο.

Τι θα μπορούσαν να κάνουν τα ελληνικά τμήματα πληροφορικής

Κατά τη γνώμη μας, τα θεμέλια χρειάζεται να χτίζονται με προσωπική προσπάθεια, με την ΤΝ να μπαίνει πρώτα ως δάσκαλος και αργότερα ως εργαλείο. Η ανάγνωση ξένου κώδικα, οι προδιαγραφές, οι δοκιμές που προσπαθούν να διαψεύσουν έναν κώδικα και η ασφαλής λειτουργία πρακτόρων πρέπει να περάσουν στον κορμό των σπουδών. Η συμμετοχή σε έργα ανοιχτού λογισμικού είναι βέβαια η καλύτερη μαθητεία για να καταλάβει κανείς τι σημαίνει να υπογράφει μια αλλαγή, και τα μοντέλα ανοιχτών βαρών αφορούν την ψηφιακή κυριαρχία των ιδρυμάτων.

Τα μοντέλα θα βελτιωθούν, και μάλλον γρήγορα. Όσο όμως περνάμε από τον βοηθό στον αυτόνομο πράκτορα, ο άνθρωπος που καταλαβαίνει, ελέγχει και λογοδοτεί γίνεται πιο αναγκαίος. Η δουλειά των πανεπιστημίων είναι να βγάζουν τέτοιους ανθρώπους.

Πηγές άρθρου:

Spinellis D., Why agentic AI needs better experts (8/7/2026): Η πρωτογενής καταγραφή του πειράματος με το uutils sed και τον OpenAI Codex, με όλες τις 78 εντολές και τα στοιχεία της αλλαγής: https://www.spinellis.gr/blog/20260708/index.html
Karpathy A., ανάρτηση στο X για τον πρώτο χρόνο του vibe coding (4/2/2026): Ο δημιουργός του όρου vibe coding διαπιστώνει ότι ο προγραμματισμός με πράκτορες γίνεται η προεπιλογή για τους επαγγελματίες, με περισσότερη εποπτεία, και προτείνει τον όρο agentic engineering: https://x.com/karpathy/status/2019137879310836075
Spinellis D., Barings, Boeing, and Bots (15/7/2026): Εξετάζει την ανάθεση εργασιών σε πράκτορες ΤΝ με όρους διοίκησης. Προτείνει αυστηρούς τεχνικούς ελέγχους και ανάθεση μόνο οριοθετημένων, αναστρέψιμων και ελέγξιμων εργασιών, με τη λογοδοσία να μένει πάντα στον άνθρωπο: https://www.spinellis.gr/blog/20260715/index.html
Spinellis D., Why reviewing AI-generated code is devilishly hard (23/5/2026): Εξηγεί γιατί ο έλεγχος κώδικα που παρήγαγε ΤΝ είναι δυσκολότερος, με βάση τη μεταγνώση, την προκατάληψη αυτοματοποίησης και τα εύλογα στην όψη λάθη των γλωσσικών μοντέλων: https://www.spinellis.gr/blog/20260523/index.html
Linux Kernel Documentation, AI Coding Assistants: Η πολιτική του πυρήνα του Linux για την ανθρώπινη ευθύνη, την ετικέτα Signed-off-by, τη δήλωση Assisted-by και τη διαδικασία που ακολουθεί ένας πράκτορας όταν εντοπίζει σφάλματα: https://docs.kernel.org/process/coding-assistants.html
METR, We are Changing our Developer Productivity Experiment Design (24/2/2026): Η ενημέρωση της METR που επαναξιολογεί το εύρημα του 2025 και εξηγεί γιατί η νέα μελέτη δεν δίνει αξιόπιστο αποτέλεσμα: https://metr.org/blog/2026-02-24-uplift-update/
Anthropic, How AI assistance impacts the formation of coding skills (29/1/2026): Δοκιμή με 52 προγραμματιστές για την επίδραση της ΤΝ στην κατανόηση και την αποσφαλμάτωση: https://www.anthropic.com/research/AI-assistance-coding-skills
Gordon S. κ.ά., ACM Task Force on Generative AI and Programming Assessment, Final Report (2026): Διεθνής έρευνα σε 763 διδάσκοντες για τις αλλαγές στη διδασκαλία και την αξιολόγηση του προγραμματισμού: https://acm-education-genai-task-force.github.io/ACM_Taskforce_GenAI_Report_16Feb26.pdf
Harvard Gazette, Taming the Duck, for starters (25/9/2026): Συνέντευξη του David Malan για τον σχεδιασμό, τους περιορισμούς και τα διδάγματα του CS50 Duck: https://news.harvard.edu/gazette/story/2026/09/taming-the-duck-for-starters/
CS50 Docs, CS50.ai: Η περιγραφή του βοηθού του CS50 και η πολιτική του μαθήματος για τη χρήση άλλων εργαλείων ΤΝ: https://cs50.readthedocs.io/cs50.ai/
Stanford Bulletin, CS146S The Modern Software Developer: Η περιγραφή του μαθήματος του Stanford για την ανάπτυξη λογισμικού με εργαλεία και πράκτορες ΤΝ: https://bulletin.stanford.edu/courses/2274401
UC San Diego Today, Transforming Computer Science Education in the Age of AI (28/10/2025): Η ίδρυση της διεθνούς κοινοπραξίας UC San Diego και Πανεπιστημίου του Τορόντο για τη διδασκαλία της πληροφορικής με ΤΝ: https://today.ucsd.edu/story/transforming-computer-science-education-in-the-age-of-ai
Leo Porter, UC San Diego: Η σελίδα του καθηγητή με την περιγραφή του βιβλίου Learn AI-Assisted Python Programming και των δεξιοτήτων που αυτό προτάσσει: https://leoporter.ucsd.edu/
MIT 6.100A, Course Information (Fall 2025): Η πολιτική του εισαγωγικού μαθήματος προγραμματισμού του MIT για τη χρήση ΤΝ ως βοηθού κατανόησης: https://introcomp.mit.edu/6.100A_fa25/information
Korpimies K., Laaksonen A., Luukkainen M., Unrestricted Use of LLMs in a Software Project Course (Koli Calling 2024): Μελέτη του Πανεπιστημίου του Ελσίνκι για μάθημα έργου λογισμικού με ελεύθερη χρήση γλωσσικών μοντέλων εκτός από τις δοκιμές μονάδας: https://doi.org/10.1145/3699538.3699541.